heig-vd-geo/demo_mlp

Démo express : W&B + Hugging Face sur MNIST (MLP)

TL;DR

python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
wandb login  # collez votre clé depuis https://wandb.ai/authorize
python scripts/train.py --config configs/config.yaml
python scripts/test.py  --config configs/config.yaml --ckpt outputs/best.pt

Prérequis

• Python 3.10+
• Comptes W&B et Hugging Face

Configuration

Éditez configs/config.yaml :

• wandb.entity: remplacez par votre entité (ex. votre username ou team).
• (Optionnel) changez wandb.project, wandb.run_name.
• Hyperparamètres simples : epochs, batch_size, lr, etc.

Entraînement

export PYTHONPATH=./
python scripts/train.py --config configs/config.yaml

• Logs et courbes dans W&B (train/loss, val/loss, etc.).
• Checkpoint du meilleur modèle (selon val/loss) : outputs/best.pt.

Évaluation

export PYTHONPATH=./
python scripts/test.py --config configs/config.yaml --ckpt outputs/best.pt

• Affiche test/loss et test/acc en console et les loggue sur W&B.

Résultats

Sur test split, pas val, pas train

accuracy = blabla

Reference

Citer ... si ce travail est utile