プラットフォーム
ソリューション
エコシステム
Docs
料金
企業情報
Eng
Jpn
ログイン
サインアップ

全てのお客様のための料金体系

AI開発者のためのプラットフォーム

クラウドホスティング
プライベートホスティング

個人開発/小規模プロジェクト

無料
$0/月
ここから開始

以下が含まれます

  • すべてのW&B ModelsおよびCore機能

  • W&B Weave

  • 5 GBまでのストレージ （トラック可能な時間は5GBのストレージ制限内）

  • 5ユーザーまで

  • コミュニティサポート

プロフェッショナルなモデル構築

Teams
ユーザーあたり$50/月 + 使用量に応じて
30日間の無料トライアルを始める

無料プランのすべての機能に加えて

  • コラボレーションのための無制限のチーム

  • チームベースのアクセス制御

  • Slackとメールによるアラート

  • 100 GBのストレージを含む （追加ストレージは1GBあたり$0.03 / 月額）

  • 10ユーザーまで

  • 年間5,000時間のトラッキング時間 （追加時間は1時間あたり$1）

  • 優先的なメール＆チャットサポート

セキュリティとコンプライアンスを重視する企業向け

Enterprise
カスタムプランあり
お問い合わせ

Teamsのすべての機能に加えて

  • フレキシブルな導入環境

  • 自動ユーザープロビジョニング

  • シングルサインオン （OIDCまたはLDAP）

  • 監査ログ

  • CIワークフロー用のサービスアカウント

  • セキュアストレージコネクタ

  • プロジェクトレベルのアクセス制御

  • カスタムロール

  • カスタムストレージプラン

  • カスタマイズ可能なユーザー数

  • 無制限のトラッキング時間

  • 専任の機械学習エンジニア

  • メール＆チャットサポート

  • 専用サポートチャネル

個人開発/小規模プロジェクト

Personal
無料
ここから開始
1 pip install wandb
2 wandb server start
2行のコードで今すぐお試しください！

以下が含まれます

  • 個人プロジェクトのみ。企業での使用は許可されていません。

  • 無制限の実験

  • 無制限のトラッキング時間*

  • 100 GBのストレージを含む。追加ストレージは1GBあたり$0.03（月額）

  • DockerとPythonがインストールされたあらゆるマシンでW&Bサーバーをローカルで実行
    ‍
    ‍
    ‍

カスタムプランあり

Enterprise
カスタムプランあり
お問い合わせ
1 pip install wandb
2 wandb server start
たった2行のコードと無料のEnterpriseトライアルライセンスですぐに試せます。

以下が含まれます

  • 柔軟な展開オプション

  • 無制限のトラッキング時間*

  • セキュアストレージコネクタ

  • 成功を確実にするための専任テクニカルアカウントマネージャー

  • 専用サポートチャネル

  • サポートSLA

  • カスタムストレージプラン

  • CIワークフロー用のサービスアカウント

  • 無料のエンタープライズトライアルライセンスで、自社のインフラにW&Bサーバーをローカルで実行

*トラッキング時間とは：トラッキング時間は、モデルを学習する時の実時間です。モデルの学習に8時間かかった場合、8トラッキング時間使用したことになります。現在、これはGPUの品質や速度などに関係ありません。
プラン比較

Weights & Biasesを使用すべき理由とは？

1
自動トラッキング

結果をスプレッドシートに貼り付ける作業から解放されたいですか？モデルを自動的に追跡します。

2
モデルのデバッグ

トラッキング結果のログ、チャートおよびテーブルを使って、モデルの問題を瞬時にデバッグします。

3
コラボレーション

発見事項を素早く共有して、モデルの結果についてチームと話し合うことができます。

4
再現性

W&Bの信頼できるSoR（記録システム）を使うと、すべてのモデルを再現可能になります。

10万人を超えるMLエンジニアと200以上の企業や機関をサポートしています

Weights & Biasesのキーバリュー

弊社の軽量で相互運用可能なツールは、貴社のMLチームに役立ちます

信頼できる、自動実験管理

より優れたモデルをさらに迅速に開発

高速モデル開発が可能

単一で一元のSoR（記録システム）を使って、モデルに関連するすべてのメタデータが自動的に保存されるため、モデルの学習に集中することができます。フロー状態により多くの時間を費やしましょう。

モデル学習をシームレスにデバッグ

ライブダッシュボード、システムメトリクスおよび各実験の端末ログを使って、ボトルネックを理解し、モデル学習を素早くデバッグできます。複数のツール間を移動する必要はありません。

最新の結果を以前のベースラインと比較

どのアーキテクチャーとハイパーパラメーターの選択が効果的であるかを素早く理解し、新しいモデルの学習に集中できます。手動で追跡した結果の分散したファイルを時間をかけて調査する必要はありません。

実験管理からの重要なインサイト

  • 以前のモデルバージョンと比較して、最新の実験の状態はどうですか？

  • このモデルにはGPUメモリが不足していますか？システムのボトルネックは何ですか？

  • このハイパーパラメーターは、さまざまなクラスにおける精度にどのように影響していますか？

  • このモデルからのサンプル予測はどのような内容ですか？

持続的知識ベース

貴重なインサイトを集約

全てのML実験用のラボノートブック

新しい実験を実行する度に、W&Bはユーザーが行った変更をキャプチャし、メモを取る場所を提供します。最新の結果を以前のベースラインと瞬時に比較。

すべての実験を再現

コード、ハイパーパラメーター、さらにモデル学習を実施したデータセットの正確なバージョンを自動的にトラッキングします。結果として得られたモデルの出所を正確に突き止めます。

透明性のある、理解しやすい結果

一元化されたW&Bシステム内で発見事項に注釈を付けることで、モデルを簡単に理解することができます。インタラクティブなメモ、コメント、およびレポートを使って、研究を明確に説明できます。

持続的知識ベースからの重要なインサイト

  • このプロジェクトのすべてのモデルファイルはどこに保存されていますか？

  • どんなことをすでに試し、このモデルを改善するために次に試すべき手段は何ですか？

  • この研究での重要な発見事項は何ですか？

機械学習チームの管理

大規模プロジェクトを素早く進め、引き継ぎをシームレスに行う

あらゆる環境で、どこでも簡単にトラッキング

コンピューティングが利用できるあらゆる場所で学習 - AWS、GCP、Azure、またはオフィス内のGPUボックス。結果はすべて中央システムに体系的に保存されます。

モジュール式の、相互運用可能なソリューション

問題を最も適切に解決するツールを選択。W&Bがあれば、エンドツーエンドのプラットフォームに固定されることはありません。弊社は、自社ツールが他のシステムでも適切に動作するように構築されていることに誇りを持っています。

困難な問題にフォーカスし続ける

面倒なトラッキングよりも、フロー状態に多くの時間を費やしましょう。W&Bによって、ユーザーは難しい機械学習の問題に集中できます。弊社は、モデルを再現できるように詳細のトラッキングに対処します。

チーム管理からの重要なインサイト

  • このMLプロジェクトの新しいチームメンバーは、どのように関与し始めることができるでしょうか？

  • 誰かチームから離れた場合、そのスタッフの研究はどのように保存され、伝達できるのでしょうか？

  • 組織全体で、すべてのプロジェクトの状態はどうですか？障害に直面している、または行き詰まったプロジェクトはありますか？パフォーマンスが期待を上回るプロジェクトはありますか？

プロダクションモデルの履歴

モデル開発フロー内のすべてのアーティファクトのバージョン管理とトラッキング

大規模な再現性

モデルの現状、および何がどこで実行されているかを理解します。

データセットバージョン管理

  • 使用しているデータへの変更をすべて確実にキャプチャして、モデルを学習します。

  • データセットをあらゆるシステムに保存：GCP、AWS、Azure、またはW&Bサーバーに直接アップロード。

  • データ内の変更によって影響を受けた、開発フロー内のダウンストリームステップを明確に特定します。

モデル管理

  • 1つの中央システムで、学習したすべてのモデルをキャプチャします。

  • 全データ、前処理、各モデルについて行った評価を明確に把握します。

  • プロダクションモデルの履歴を、学習された正確なコードとデータまで遡って突き止めます。

アーティファクトからの重要なインサイト

  • このプロダクションモデルはどのデータについて学習されましたか？

  • 大量データのラベル張り替えは、このモデルの精度にどのように影響しますか？

  • このデータは破損しました — どのダウンストリームモデルがこの問題の影響を受けますか？

  • この前処理ステップは、モデルの精度にどのように影響を与えましたか？