> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-serverless-sft-revamp.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# MMF

> Meta AI의 MMF와 W&B를 통합하는 방법.

[Meta AI의 MMF](https://github.com/facebookresearch/mmf) 라이브러리에 포함된 `WandbLogger` 클래스를 사용하면 W\&B를 통해 트레이닝/검증 메트릭, 시스템 (GPU 및 CPU) 메트릭, 모델 체크포인트 및 설정 파라미터를 로그할 수 있습니다.

## 현재 지원 기능

MMF의 `WandbLogger`에서 현재 지원하는 기능은 다음과 같습니다:

* 트레이닝 및 검증 메트릭
* 시간에 따른 Learning Rate 변화
* W\&B Artifacts로 모델 체크포인트 저장
* GPU 및 CPU 시스템 메트릭
* 트레이닝 설정 파라미터

## 설정 파라미터

W\&B 로그를 활성화하고 커스터마이징하기 위해 MMF 설정에서 다음 옵션들을 사용할 수 있습니다:

```
training:
    wandb:
        enabled: true
        
        # 엔티티(entity)는 run을 전송할 사용자 이름 또는 팀 이름입니다.
        # 기본적으로 사용자 계정으로 run을 로그합니다.
        entity: null
        
        # wandb로 실험을 로그할 때 사용할 프로젝트 이름
        project: mmf
        
        # wandb 프로젝트 내에서 실험을 로그할 때 사용할
        # Experiment/run 이름. 기본 실험 이름은
        # 다음과 같습니다: ${training.experiment_name}
        name: ${training.experiment_name}
        
        # 모델 체크포인트를 활성화하여 W&B Artifacts에 체크포인트를 저장합니다.
        log_model_checkpoint: true
        
        # wandb.init()에 전달하려는 추가 인수 값들, 예:
        # job_type: 'train'
        # tags: ['tag1', 'tag2']
        
env:
    # wandb 메타데이터가 저장될 디렉토리 경로를
    # 변경하려면 (기본값: env.log_dir):
    wandb_logdir: ${env:MMF_WANDB_LOGDIR,}
```