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

# Global Functions の概要

> W&B Python SDK の Global Functions

W\&B の Global Functions は、`wandb.init()` や `wandb.login()` のように直接呼び出せるトップレベル関数です。特定のクラスに属する method とは異なり、これらの関数を使えば、オブジェクトを事前にインスタンス化しなくても W\&B の中核機能に直接アクセスできます。

<div id="available-functions">
  ## 利用可能な関数
</div>

| Function                                                     | Description                                                        |
| ------------------------------------------------------------ | ------------------------------------------------------------------ |
| [`init()`](/ja/models/ref/python/functions/init)             | W\&B にトラッキングとログするための新しい run を開始します。通常、ML トレーニングパイプラインで最初に呼び出す関数です。 |
| [`login()`](/ja/models/ref/python/functions/login)           | マシンをプラットフォームに認証するための W\&B ログイン認証情報を設定します。                          |
| [`setup()`](/ja/models/ref/python/functions/setup)           | 現在のプロセスとその子プロセスで使用できるように W\&B を準備します。マルチプロセス アプリケーションで役立ちます。       |
| [`teardown()`](/ja/models/ref/python/functions/teardown)     | W\&B のリソースをクリーンアップし、バックエンドプロセスをシャットダウンします。                         |
| [`sweep()`](/ja/models/ref/python/functions/sweep)           | 最適なモデル設定を探索するためのハイパーパラメーター sweep を初期化します。                          |
| [`agent()`](/ja/models/ref/python/functions/agent)           | ハイパーパラメーター最適化の実験を実行するための sweep agent を作成します。                       |
| [`controller()`](/ja/models/ref/python/functions/controller) | sweep agent とその実行を管理・制御します。                                        |
| [`restore()`](/ja/models/ref/python/functions/restore)       | 以前の run または実験の状態を復元して、作業を再開します。                                    |
| [`finish()`](/ja/models/ref/python/functions/finish)         | run を終了し、リソースをクリーンアップします。                                          |

<div id="example">
  ## 例
</div>

最も一般的なワークフローは、W\&B で認証し、run を初期化して、トレーニングループから値 (accuracy や損失など) をログすることから始まります。最初のステップは、`wandb` をインポートし、Global Functions の `login()` と `init()` を使用することです。

```python theme={null}
import wandb

# W&B で認証する
wandb.login()

# ハイパーパラメーターとメタデータ
config = {
   "learning_rate": 0.01,
   "epochs": 10,
}

# run の記録先プロジェクト
project = "my-awesome-project"

# 新しい run を初期化する
with wandb.init(project=project, config=config) as run:
   # トレーニングコードをここに記述...
   
   # W&B に値をログする
   run.log({"accuracy": 0.9, "loss": 0.1})
```