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

# spaCy

> Intégrez W&B à spaCy v3 pour suivre les métriques d'entraînement et versionner les modèles et les jeux de données grâce à la configuration WandbLogger.

[spaCy](https://spacy.io) est une bibliothèque de TAL qui fournit des modèles rapides et précis. Depuis spaCy v3, vous pouvez utiliser W\&B avec [`spacy train`](https://spacy.io/api/cli#train) pour suivre les métriques d'entraînement de votre modèle spaCy, ainsi que pour enregistrer et versionner vos modèles et jeux de données. Il suffit pour cela d'ajouter quelques lignes à votre configuration.

Si vous utilisez spaCy, cette page explique comment utiliser W\&B pour surveiller les runs d'entraînement, comparer les expériences et versionner les modèles et les jeux de données produits par `spacy train`.

<div id="sign-up-and-create-an-api-key">
  ## Inscrivez-vous et créez une clé API
</div>

Une clé API authentifie votre machine auprès de W\&B. Vous pouvez générer une clé API depuis votre profil.

<Note>
  Pour une méthode plus directe, accédez aux [Paramètres utilisateur](https://wandb.ai/settings) et créez une clé API. Copiez immédiatement la clé API et conservez-la dans un endroit sûr, par exemple dans un gestionnaire de mots de passe.
</Note>

1. Cliquez sur l’icône de votre profil dans l’angle supérieur droit.
2. Sélectionnez **Paramètres utilisateur**, puis faites défiler jusqu’à la section **Clés API**.

<div id="install-the-wandb-library-and-log-in">
  ## Installez la bibliothèque `wandb` et connectez-vous
</div>

Pour installer la bibliothèque `wandb` localement et vous connecter :

<Tabs>
  <Tab title="Ligne de commande">
    1. Définissez la variable d'environnement [`WANDB_API_KEY`](/fr/models/track/environment-variables/) avec votre clé API. Remplacez les valeurs entre `<>` par les vôtres :

       ```bash theme={null}
       export WANDB_API_KEY=<your_api_key>
       ```

    2. Installez la bibliothèque `wandb` et connectez-vous.

       ```shell theme={null}
       pip install wandb

       wandb login
       ```
  </Tab>

  <Tab title="Python">
    ```bash theme={null}
    pip install wandb
    ```

    ```python theme={null}
    import wandb
    wandb.login()
    ```
  </Tab>

  <Tab title="Python notebook">
    ```notebook theme={null}
    !pip install wandb

    import wandb
    wandb.login()
    ```
  </Tab>
</Tabs>

<div id="add-the-wandblogger-to-your-spacy-config-file">
  ## Ajoutez `WandbLogger` à votre fichier de configuration spaCy
</div>

Les fichiers de configuration spaCy définissent tous les aspects de l’entraînement, pas seulement la journalisation (attribution du GPU, choix de l’optimiseur, chemins d’accès au jeu de données, etc.). Au minimum, sous `[training.logger]`, vous devez fournir la clé `@loggers` avec la valeur `"spacy.WandbLogger.v3"`, ainsi qu’un `project_name`.

<Note>
  Pour en savoir plus sur le fonctionnement des fichiers de configuration d’entraînement de spaCy et sur les autres options que vous pouvez spécifier pour personnaliser l’entraînement, voir la [documentation de spaCy](https://spacy.io/usage/training).
</Note>

```python theme={null}
[training.logger]
@loggers = "spacy.WandbLogger.v3"
project_name = "my_spacy_project"
remove_config_values = ["paths.train", "paths.dev", "corpora.train.path", "corpora.dev.path"]
log_dataset_dir = "./corpus"
model_log_interval = 1000
```

Le tableau suivant décrit les options de configuration de `WandbLogger` :

| Nom                    | Description                                                                                                                                                                                                                                                                              |
| ---------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `project_name`         | `str`. Le nom du projet W\&B. W\&B crée automatiquement le projet s'il n'existe pas encore.                                                                                                                                                                                              |
| `remove_config_values` | `List[str]` . Une liste de valeurs à exclure de la configuration avant son téléversement vers W\&B. `[]` par défaut.                                                                                                                                                                     |
| `model_log_interval`   | `Optional int`. `None` par défaut. Si cette valeur est définie, elle active la [gestion des versions des modèles](/fr/models/registry/) avec des [artefacts](/fr/models/artifacts/). Indiquez le nombre d'étapes à attendre entre deux journalisations des points de contrôle du modèle. |
| `log_dataset_dir`      | `Optional str`. Si vous fournissez un chemin, W\&B téléverse le jeu de données en tant qu'artefact au début de l'entraînement. `None` par défaut.                                                                                                                                        |
| `entity`               | `Optional str` . Si elle est fournie, W\&B crée le run dans l'entité spécifiée.                                                                                                                                                                                                          |
| `run_name`             | `Optional str` . Si elle est spécifiée, W\&B crée le run avec le nom indiqué.                                                                                                                                                                                                            |

<div id="start-training">
  ## Lancer l'entraînement
</div>

Une fois `WandbLogger` ajouté à votre configuration d'entraînement spaCy, vous pouvez exécuter `spacy train` comme d'habitude, et W\&B capture automatiquement le run.

<Tabs>
  <Tab title="Ligne de commande">
    ```bash theme={null}
    python -m spacy train \
        config.cfg \
        --output ./output \
        --paths.train ./train \
        --paths.dev ./dev
    ```
  </Tab>

  <Tab title="Python">
    ```python theme={null}
    python -m spacy train \
        config.cfg \
        --output ./output \
        --paths.train ./train \
        --paths.dev ./dev
    ```
  </Tab>

  <Tab title="Python notebook">
    ```notebook theme={null}
    !python -m spacy train \
        config.cfg \
        --output ./output \
        --paths.train ./train \
        --paths.dev ./dev
    ```
  </Tab>
</Tabs>

Au démarrage de l'entraînement, spaCy affiche un lien vers la [page W\&B](/fr/models/runs/) de votre run d'entraînement. Il vous redirige vers le [tableau de bord](/fr/models/track/workspaces/) de suivi des expériences de ce run dans l'interface web de W\&B.