@@ -160,8 +160,8 @@ weave.publish(spec)
-W&B Inference のモデルは、そのライフサイクルの段階として次の用語を使用します。
+W&B Inference のモデルは、そのライフサイクルの段階について次の用語を使用します。
-* **Generally Available**: モデルは完全にサポートされており、利用を推奨します。
-* **Deprecated**: モデルは廃止予定です。可能な限り早く推奨される代替モデルへ更新してください。
-* **Retired**: モデルはもはや利用できません。Retired モデルへのリクエストはすべて失敗し、すべてのリクエストで `HTTP 404` ステータスコードを返します。
+* **Generally Available**: モデルは完全にサポートされており、利用が推奨されます。
+* **Deprecated**: モデルは**非推奨**で、提供終了が予定されています。お客様はできるだけ早く、推奨される代替モデルに更新する必要があります。
+* **Retired**: モデルは**提供終了**となり、利用できなくなっています。提供終了したモデルへのリクエストはすべて失敗し、すべてのリクエストに対して `HTTP 404` ステータスコードを返します。
- ## 次のステップ
+ ## 次の step
-* 利用可能なすべてのメソッドについては [API reference](/ja/inference/api-reference/) を参照してください
-* [UI](/ja/inference/ui-guide/) でモデルを試してみてください
\ No newline at end of file
+* 利用可能なすべての method については、[API リファレンス](/ja/inference/api-reference/) を参照してください
+* [UI](/ja/inference/ui-guide/) でモデルを試してください
\ No newline at end of file
diff --git a/ja/inference/lifecycle.mdx b/ja/inference/lifecycle.mdx
index 37612bfde8..c31ccee931 100644
--- a/ja/inference/lifecycle.mdx
+++ b/ja/inference/lifecycle.mdx
@@ -13,22 +13,22 @@ W&B Inference カタログでは、新しいモデルが頻繁に評価され、
## モデルのライフサイクル段階
- ## 廃止プロセス
+ ## 非推奨プロセス
-モデルを廃止する際、W&B はそのモデルの提供を終了する少なくとも 2 週間前に、このページ上で事前告知を行います。
+モデルを非推奨にする際、W&B はそのモデルが提供終了となる前に、このページで少なくとも 2 週間前までに通知します。
-さらに、廃止予定のモデルを最近利用したユーザーにはメールで通知するよう努め、
+さらに、非推奨のモデルを最近利用したユーザーには、メールで通知するよう努めるとともに、
代替となる推奨モデルに関する情報を提供します。
-**deprecated** 段階にある Models は、引き続きリクエストに応答します。
+**非推奨** 段階にあるモデルは、引き続きリクエストを処理します。
## 非推奨のモデル
diff --git a/ja/inference/lora.mdx b/ja/inference/lora.mdx
index 2d90dbc473..13d916632f 100644
--- a/ja/inference/lora.mdx
+++ b/ja/inference/lora.mdx
@@ -117,7 +117,7 @@ model_name = f"wandb-artifact:///{WB_TEAM}/{WB_PROJECT}/your_trained_lora:latest
## サポートされているベースモデル
-Inference は現在、以下の LLM が利用できるように設定されています (`wandb.base_model` にはこれらの文字列をそのまま使用する必要があります) 。今後さらに多くのモデルが追加される予定です。
+Inference は現在、以下の LLM をサポートしています (`wandb.base_model` ではこれらの文字列をそのまま使用してください)。今後さらに多くのモデルが追加される予定です。
{/* takeru lora-base-models - このリストは自動生成されるため、手動で編集しないでください。 */}
diff --git a/ja/inference/prerequisites.mdx b/ja/inference/prerequisites.mdx
index cd0938e162..11235010de 100644
--- a/ja/inference/prerequisites.mdx
+++ b/ja/inference/prerequisites.mdx
@@ -1,13 +1,12 @@
---
title: "前提条件"
linkTitle: "前提条件"
-description: >
- W&B Inference を利用するための環境を準備します
+description: "API または UI を通じて W&B Inference サービスを使用する前に、環境、API キー、依存関係を設定します。"
---
import ApiKeyCreate from "/snippets/ja/_includes/api-key-create.mdx";
-API または UI を通じて W&B Inference サービスを使用する前に、これらの手順を完了しておいてください。
+API または UI を通じて W&B Inference サービスを使用する前に、これらの step を完了してください。
- ## 次のステップ
+ ## 次の step
-前提条件を完了したら、次の作業を行ってください。
+前提条件を完了したら:
-* 利用可能なエンドポイントについて学ぶには [API リファレンス](/ja/inference/api-reference/) を確認してください
-* サービスの利用例を見るには [usage examples](/ja/inference/examples/) を試してください
-* Web インターフェースからモデルにアクセスするには [UI ガイド](/ja/inference/ui-guide/) を参照してください
\ No newline at end of file
+* 利用可能なエンドポイントについて把握するには、[API リファレンス](/ja/inference/api-reference/)を確認してください
+* サービスの動作を確認するには、[使用例](/ja/inference/examples/)を試してください
+* Web インターフェースを通じてモデルにアクセスするには、[UI ガイド](/ja/inference/ui-guide/)を使用してください
\ No newline at end of file
diff --git a/ja/inference/response-settings/json-mode.mdx b/ja/inference/response-settings/json-mode.mdx
index 34da2dd4dc..6260053d34 100644
--- a/ja/inference/response-settings/json-mode.mdx
+++ b/ja/inference/response-settings/json-mode.mdx
@@ -1,6 +1,6 @@
---
title: "JSON モードを有効化する"
-description: W&B Inference で JSON モードを使用する方法
+description: "解析しやすい構造化された JSON 出力をモデルのレスポンスから取得できるように、W&B Inference で JSON モードを設定します。"
---
JSON モードを有効にすると、モデルに対して有効な JSON 形式でレスポンスを返すよう指示できます。ただし、レスポンスのスキーマが一貫していなかったり、特定の構造に従わない場合があります。一貫した構造化された JSON レスポンスが必要な場合は、可能であれば [structured output](/ja/inference/response-settings/structured-output) を使用することを推奨します。
diff --git a/ja/inference/response-settings/streaming.mdx b/ja/inference/response-settings/streaming.mdx
index df0dcac464..f80b66e22c 100644
--- a/ja/inference/response-settings/streaming.mdx
+++ b/ja/inference/response-settings/streaming.mdx
@@ -1,6 +1,6 @@
---
title: "ストリーミング応答を有効にする"
-description: W&B Inference でストリーミング出力を使用する方法
+description: "W&B Inference でストリーミング出力を有効にして、生成中のモデル応答を段階的に受け取ります。"
---
モデルが応答を生成するのに時間がかかる場合があります。
@@ -36,6 +36,7 @@ description: W&B Inference でストリーミング出力を使用する方法
print(chunk) # CompletionUsage オブジェクトを表示
```
+
+
-"Bring my own API key" を選択し、`Continue` ボタンをクリックします。
+"Bring my own API key" を選択し、**Continue** ボタンをクリックします。
-
+
-以下の値を指定し、`
+
Cline の詳しい使い方については、[Cline Documentation](https://docs.cline.bot) を参照してください。
\ No newline at end of file
diff --git a/ja/inference/ui-guide.mdx b/ja/inference/ui-guide.mdx
index bd6ffa4fc7..8f0e3a83e0 100644
--- a/ja/inference/ui-guide.mdx
+++ b/ja/inference/ui-guide.mdx
@@ -23,11 +23,11 @@ Inference サービスには、次の 3 つの場所からアクセスできま
+ 
+ 
+ 
+ 
+ 
-
- 
@@ -363,7 +363,7 @@ for step, (input, ground_truth) in enumerate(data):
分散環境をサポートしているフレームワークでは、次のいずれかのワークフローを利用できます。
-* メインプロセスからのみログを出力する（推奨）。
+* メインプロセスからのみログを出力する (推奨) 。
* すべてのプロセスからログを出力し、共通の `group` 名で runs をグループ化する。
詳しくは、[Log Distributed Training Experiments](/ja/models/track/log/distributed-training/) を参照してください。
@@ -380,8 +380,8 @@ for step, (input, ground_truth) in enumerate(data):
ライブラリに Artifacts を統合する際は、次の点を検討してください。
-* モデル チェックポイントやデータセットを Artifacts としてログするかどうか（オプションにしたい場合など）。
-* Artifacts の入力参照（例: `entity/project/artifact`）。
+* モデル チェックポイントやデータセットを Artifacts としてログするかどうか (オプションにしたい場合など) 。
+* Artifacts の入力参照 (例: `entity/project/artifact`) 。
* モデル チェックポイントやデータセットをログする頻度。例えば、各エポックごと、500 ステップごとなど。
+ 
diff --git a/ja/models/integrations/paddledetection.mdx b/ja/models/integrations/paddledetection.mdx
index a9d8ad8af0..b59b83e944 100644
--- a/ja/models/integrations/paddledetection.mdx
+++ b/ja/models/integrations/paddledetection.mdx
@@ -1,5 +1,5 @@
---
-description: PaddleDetection と W&B を連携する方法
+description: "PaddleDetection と W&B を連携して、物体検出モデルのトレーニングを追跡し、メトリクスをログして、結果を可視化します。"
title: PaddleDetection
---
diff --git a/ja/models/integrations/paddleocr.mdx b/ja/models/integrations/paddleocr.mdx
index 9ddaa8bfbf..296200b256 100644
--- a/ja/models/integrations/paddleocr.mdx
+++ b/ja/models/integrations/paddleocr.mdx
@@ -1,17 +1,17 @@
---
-description: W&B を PaddleOCR と統合する方法
+description: "W&B を PaddleOCR と統合して、OCR モデルのトレーニングを追跡し、認識メトリクスをログし、予測を可視化します。"
title: PaddleOCR
---
import ApiKeyCreateStreamlined from "/snippets/ja/_includes/api-key-create-streamlined.mdx";
-[PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) は、多言語対応で優れた先進的かつ実用的な OCR ツールを提供することを目的としており、ユーザーがより良いモデルをトレーニングし、PaddlePaddle 上で実運用に適用できるよう支援します。PaddleOCR は OCR に関連する最先端のアルゴリズムを多数サポートしており、産業利用向けのソリューションも開発しています。現在 PaddleOCR には、トレーニングおよび評価のメトリクスを、対応するメタデータ付きのモデル チェックポイントとともにログするための W&B integration が用意されています。
+[PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) は、多言語対応で優れた先進的かつ実用的な OCR ツールを作成することを目指しており、ユーザーがより優れたモデルをトレーニングし、それらを PaddlePaddle で実装された実運用に適用できるよう支援します。PaddleOCR は OCR に関連するさまざまな最先端アルゴリズムをサポートし、産業向けソリューションも開発してきました。現在、PaddleOCR には、対応するメタデータ付きのモデルチェックポイントとともに、トレーニングおよび評価メトリクスをログするための W&B インテグレーションが用意されています。
+
+ 
-特定の Registry におけるユーザーの有効なロールは、組織、Registry、およびその Registry を所有しているチームでのロール（継承か明示的な割り当てかを問わず）のうち、*最も高い* ロールに基づいて決まります。例:
+特定の Registry におけるユーザーの有効なロールは、組織、Registry、およびその Registry を所有しているチームでのロール (継承か明示的な割り当てかを問わず) のうち、*最も高い* ロールに基づいて決まります。例:
* チームの **Admin** または組織の **Admin** が、そのチームが所有する特定の Registry 内で **Viewer** ロールを持っている場合、その Registry での有効なロールは **Admin** です。
* Registry の **Viewer** がチーム内で **Member** ロールを持っている場合、その Registry での有効なロールは **Member** です。
@@ -192,12 +193,12 @@ Registry のメンバーシップ一覧では、各ユーザーの継承され
* [`Artifact.verify()`](/ja/models/ref/python/experiments/artifact/#method-artifactverify)
+ 
2. Artifacts バージョンをリンクしたい collection の名前の横にマウスカーソルを合わせます。
- 3. **View details** の横にあるミートボールメニューアイコン（横向きの 3 つのドット）を選択します。
+ 3. **View details** の横にあるミートボールメニューアイコン (横向きの 3 つのドット) を選択します。
4. ドロップダウンから **Link new version** を選択します。
5. 表示されるサイドバーの **Team** ドロップダウンから、チーム名を選択します。
6. **Project** ドロップダウンから、 Artifacts を含むプロジェクト名を選択します。
@@ -137,14 +138,14 @@ Artifacts をリンクすると、W&B は元の Artifacts とコレクショ
4. **Version overview** セクション内で **Link to registry** ボタンをクリックします。
5. 画面右側に表示されるモーダル ウィンドウで、**Select a register model** メニューのドロップダウンから Artifacts を選択します。
6. **Next step** をクリックします。
- 7. （任意）**Aliases** ドロップダウンからエイリアスを選択します。
+ 7. (任意) **Aliases** ドロップダウンからエイリアスを選択します。
8. **Link to registry** をクリックします。
{/* この GIF を更新 */}
{/*
- 
- */}
+ 
diff --git a/ja/models/registry/registry_cards.mdx b/ja/models/registry/registry_cards.mdx
index 0d4d1ea7cd..811c87836a 100644
--- a/ja/models/registry/registry_cards.mdx
+++ b/ja/models/registry/registry_cards.mdx
@@ -1,5 +1,6 @@
---
title: コレクションに注釈を追加する
+description: "W&B Registry のコレクションに説明とドキュメントを追加して、その目的と内容をユーザーが理解できるようにします。"
---
コレクションに人間が読みやすい説明文を追加して、そのコレクション自体と、その中に含まれる Artifacts の目的をユーザーが理解できるようにします。
diff --git a/ja/models/reports/clone-and-export-reports.mdx b/ja/models/reports/clone-and-export-reports.mdx
index d80e535c42..5d661b358c 100644
--- a/ja/models/reports/clone-and-export-reports.mdx
+++ b/ja/models/reports/clone-and-export-reports.mdx
@@ -1,10 +1,10 @@
---
-description: W&B Report を PDF または LaTeX 形式でエクスポートします。
-title: Reports を複製してエクスポートする
+description: "W&B レポートを PDF または LaTeX ファイルとしてエクスポートし、App UI または Report と Workspace API を使用してレポートを複製します。"
+title: レポートの複製とエクスポート
---
-ある一時点だけでメトリクスを記録しても、それほど有用ではないかもしれません。識別モデルをトレーニングする場合の、より現実的な例としては、一定間隔でメトリクスを記録することが挙げられます。例えば、次のコードスニペットを考えてみましょう。
+ある一時点だけで 1 つのメトリクスを記録しても、それほど有用ではないかもしれません。識別モデルをトレーニングする場合の、より現実的な例としては、一定間隔でメトリクスを記録することが挙げられます。例えば、次のコードスニペットを考えてみましょう。
```python
import wandb
@@ -89,7 +89,7 @@ config = {
with wandb.init(project="awesome-project", config=config) as run:
print(f"lr: {config['learning_rate']}")
- # トレーニング run のシミュレーション
+ # トレーニング run をシミュレート
for epoch in range(config['epochs']):
offset = random.random() / 5
acc = 1 - 2**-epoch - random.random() / (epoch + 1) - offset
@@ -123,6 +123,7 @@ wandb: Find logs at: wandb/run-20241105_111816-pdo5110r/logs
W&B は、シミュレートされたトレーニングループを `jolly-haze-4` という名前の単一の run 内に記録します。これは、スクリプトで `wandb.init()` メソッドを一度だけ呼び出しているためです。
+
前の出力で W&B が表示した URL をコピーして、ブラウザのアドレスバーに貼り付けます。URL は W&B App UI 上の run の Workspace に移動します。たとえば、次の画像は run `jolly-haze-4` の Workspace を示しています:
diff --git a/ja/models/runs/color-code-runs.mdx b/ja/models/runs/color-code-runs.mdx
index 2bd2c72e8d..b4b188c17b 100644
--- a/ja/models/runs/color-code-runs.mdx
+++ b/ja/models/runs/color-code-runs.mdx
@@ -1,5 +1,5 @@
---
-description: グラフのセマンティックな凡例を作成する
+description: "視覚的に意味のあるチャート凡例を作成するために、メトリクスまたは設定パラメーターに基づいて W&B run を色分けします。"
title: セマンティックな run プロット凡例
---
diff --git a/ja/models/runs/infrastructure-alerts.mdx b/ja/models/runs/infrastructure-alerts.mdx
index 279b271337..2433a2c1b8 100644
--- a/ja/models/runs/infrastructure-alerts.mdx
+++ b/ja/models/runs/infrastructure-alerts.mdx
@@ -1,6 +1,6 @@
---
title: CoreWeave インフラストラクチャアラートの可視化
-description:
+description: "GPU 障害や温度異常などの CoreWeave インフラストラクチャアラートを、W&B 実験の run プロットで表示します。"
---
W&B にログした機械学習実験の実行中に、GPU 障害や温度異常などのインフラストラクチャアラートを確認できます。[W&B run](/ja/models/runs) の実行中、[CoreWeave Mission Control](https://coreweave.com/mission-control) がコンピュートインフラストラクチャを監視します。
diff --git a/ja/models/runs/initialize-run.mdx b/ja/models/runs/initialize-run.mdx
index 77f0346845..151c000bf2 100644
--- a/ja/models/runs/initialize-run.mdx
+++ b/ja/models/runs/initialize-run.mdx
@@ -1,15 +1,16 @@
---
title: run の初期化
+description: "wandb.init() を使用して W&B の run を初期化し、実験の追跡を開始します。これには、1 つのプロセス内で複数の run の同時実行への対応も含まれます。"
---
-[`wandb.init()`](/ja/models/ref/python/functions/init) を使って W&B の run を初期化します。
+[`wandb.init()`](/ja/models/ref/python/functions/init) を使用して W&B の Run を初期化します。
-デフォルトでは、`wandb.init()` を呼び出したときに、各 Python プロセスには同時に 1 つのアクティブな run しかないと W&B はみなします。`wandb.init()` を再度呼び出すと、W&B は同じ run を返すか、古い run を終了してから新しい run を開始します。同一プロセス内で `wandb.init()` を複数回呼び出した場合の挙動は、環境 (notebook か非 notebook か) と `reinit` 設定によって異なります。
+デフォルトでは、`wandb.init()` を呼び出したときに、各 Python プロセスには同時に 1 つのアクティブな run しかないと W&B は想定します。`wandb.init()` を再度呼び出すと、W&B は同じ run を返すか、古い run を終了してから新しい run を開始します。同一プロセス内で `wandb.init()` を複数回呼び出した場合に W&B がどのように処理するかは、環境 (notebook か非 notebook か) と `reinit` の設定によって異なります。
-同じプロセス内で複数のアクティブな run を管理する方法については、[Multiple runs in one process](/ja/models/runs/initialize-run#multiple-runs-in-one-process) を参照してください。
+同じプロセス内で複数のアクティブな run を管理する方法については、[1 つのプロセス内で複数の run](/ja/models/runs/initialize-run#multiple-runs-in-one-process) を参照してください。
-
- 
-
-
- * **Artifacts のログ不可**: 匿名 run に Artifacts をログしようとすると、コマンドラインに警告が表示されます:
- ```bash
- wandb: WARNING Artifacts logged anonymously cannot be claimed and expire after 7 days.
- ```
-
- * **プロフィールおよび設定ページなし**: UI には一部のページが含まれません。これらは実際のアカウントにのみ有用なページです。
- 
-
-
- `animals` という名前の画像 Artifacts があり、その中に 2 つの画像ファイル `cat.png` と `dog.png` が含まれているとします:
-
- ```
- images
- |-- cat.png (2MB) # `v0` で追加
- |-- dog.png (1MB) # `v0` で追加
- ```
-
- この Artifacts にはバージョン `v0` が付きます。
-
- 新しい画像 `rat.png` を追加すると、新しい Artifacts バージョン `v1` が作成され、内容は次のとおりになります:
-
- ```
- images
- |-- cat.png (2MB) # `v0` で追加
- |-- dog.png (1MB) # `v0` で追加
- |-- rat.png (3MB) # `v1` で追加
- ```
-
- バージョン `v1` は合計 6MB を追跡しますが、残りの 3MB を `v0` と共有しているため、自身が占有する容量は 3MB のみです。`v1` を削除すると、`rat.png` に対応する 3MB のストレージが解放されます。`v0` を削除すると、`cat.png` と `dog.png` のストレージ コストが `v1` に引き継がれ、そのストレージ サイズは 6MB に増加します。
- 
-
- 
-
- 
-
-
- この場合、デカルト積は 9 になります。W&B はこの値を App UI 上で推定 Run 数（**Est. Runs**）として表示します。
-
-
- 
-
-
- 推定 Run 数をプログラムから取得するには、W&B SDK 内の Sweep オブジェクトの `expected_run_count` 属性を使用します。
-
- ```python
- sweep_id = wandb.sweep(
- sweep_configs, project="your_project_name", entity="your_entity_name"
- )
- api = wandb.Api()
- sweep = api.sweep(f"your_entity_name/your_project_name/sweeps/{sweep_id}")
- print(f"EXPECTED RUN COUNT = {sweep.expected_run_count}")
- ```
- 
-
- 
-
- 
-
-
-
- 
-
- 
-
- 
-
-
- 作業が完了したら、次のコマンドを実行してデータをクラウドに同期します。
-
- ```shell
- wandb sync wandb/dryrun-folder-name
- ```
-
-
- 
-
- 
-
-