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

# モデルを追跡する

> W&B Python SDK を使用して、モデル、モデルの依存関係、およびそのモデルに関連するその他の情報を追跡します。

モデル、モデルの依存関係、およびそのモデルに関連するその他の情報を W\&B Python SDK を使用して追跡します。

内部的には、W\&B は [モデルアーティファクト](/ja/models/core/registry/model_registry/model-management-concepts/#model-artifact) のリネージを作成し、W\&B アプリ UI で表示したり、W\&B Python SDK を使用してプログラム的に確認することができます。詳細は [モデルリネージマップの作成](/ja/models/core/registry/model_registry/model-lineage/) を参照してください。

## モデルをログする方法

`run.log_model` API を使用してモデルをログします。モデルファイルが保存されているパスを `path` パラメータに提供してください。このパスはローカルファイル、ディレクトリー、または `s3://bucket/path` のような外部バケットへの[リファレンス URI](/ja/models/artifacts/track-external-files/#amazon-s3--gcs--azure-blob-storage-references) のいずれかにすることができます。

オプションでモデルアーティファクトの名前を `name` パラメータに指定できます。`name` が指定されていない場合、W\&B は入力パスのベース名を実行 ID を前に付けたものとして使用します。

以下のコードスニペットをコピーして貼り付けてください。`<>` で囲まれた値をあなた自身のものに置き換えてください。

```python theme={null}
import wandb

# W&B run を初期化
run = wandb.init(project="<project>", entity="<entity>")

# モデルをログする
run.log_model(path="<path-to-model>", name="<name>")
```

<details>
  <summary>例: Keras モデルを W\&B にログする</summary>

  以下のコード例は、畳み込みニューラルネットワーク (CNN) モデルを W\&B にログする方法を示します。

  ```python theme={null}
  import os
  import wandb
  from tensorflow import keras
  from tensorflow.keras import layers

  config = {"optimizer": "adam", "loss": "categorical_crossentropy"}

  # W&B run を初期化
  run = wandb.init(entity="charlie", project="mnist-project", config=config)

  # トレーニングアルゴリズム
  loss = run.config["loss"]
  optimizer = run.config["optimizer"]
  metrics = ["accuracy"]
  num_classes = 10
  input_shape = (28, 28, 1)

  model = keras.Sequential(
      [
          layers.Input(shape=input_shape),
          layers.Conv2D(32, kernel_size=(3, 3), activation="relu"),
          layers.MaxPooling2D(pool_size=(2, 2)),
          layers.Conv2D(64, kernel_size=(3, 3), activation="relu"),
          layers.MaxPooling2D(pool_size=(2, 2)),
          layers.Flatten(),
          layers.Dropout(0.5),
          layers.Dense(num_classes, activation="softmax"),
      ]
  )

  model.compile(loss=loss, optimizer=optimizer, metrics=metrics)

  # モデルを保存
  model_filename = "model.h5"
  local_filepath = "./"
  full_path = os.path.join(local_filepath, model_filename)
  model.save(filepath=full_path)

  # モデルをログする
  run.log_model(path=full_path, name="MNIST")

  # W&B に対して明示的に run の終了を通知します。
  run.finish()
  ```
</details>