wandb · ngrayluna · Aug 7, 2026 · Aug 5, 2026 · Aug 6, 2026 · Aug 6, 2026
@@ -247,10 +247,6 @@ Utilisez W&amp;B pour comparer les runs en fonction de leurs paramètres de conf
 
 Par exemple, dans l’image suivante, la taille de lot (`batch_size`) est définie comme paramètre de configuration et est visible (voir la première colonne) dans le tableau Runs. Cela permet aux utilisateurs de filtrer et de comparer les runs en fonction de leur taille de lot :
 
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_runs_page.png" alt="tableau Runs de W&B" />
-</Frame>
-
 Les valeurs typiques des paramètres de configuration incluent :
 
 * Le nom du modèle, sa version, les paramètres d’architecture et les hyperparamètres.
@@ -316,11 +312,6 @@ with wandb.init(...) as run:
     }
     run.log(metrics)
 ```
-
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_log.png" alt="W&B Workspace" />
-</Frame>
-
 Pour plus d&#39;informations, voir [`wandb.Run.log()`](/fr/models/ref/python/experiments/run#method-run-log).
 
 <div id="control-the-x-axis">
@@ -387,9 +378,6 @@ En plus des métriques, vous pouvez conserver les modèles et les Datasets que v
 
 Utilisez [W&amp;B Artefacts](/fr/models/artifacts/) pour suivre les modèles et les Datasets et en assurer la gestion des versions. Les artefacts fournissent le stockage et la gestion des versions des ressources de machine learning, et assurent automatiquement la traçabilité afin de montrer comment les données et les modèles sont liés.
 
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_dag.png" alt="Datasets stockés et points de contrôle du modèle dans W&B" />
-</Frame>
 
 Tenez compte des points suivants lorsque vous intégrez les artefacts à votre bibliothèque :
 

@@ -246,10 +246,6 @@ W&amp;B では、設定パラメーターに基づいて run を比較したり
 
 たとえば、次の画像では、バッチサイズ (`batch_size`) が設定パラメーターとして定義されており、Runs table に表示されています (最初の列を参照) 。これにより、ユーザーはバッチサイズに基づいて run をフィルターし、比較できます。
 
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_runs_page.png" alt="W&B Runs table" />
-</Frame>
-
 一般的な設定パラメーターの値には、次のようなものがあります。
 
 * モデル名、バージョン、アーキテクチャーパラメーター、ハイパーパラメーター。
@@ -316,10 +312,6 @@ with wandb.init(...) as run:
     run.log(metrics)
 ```
 
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_log.png" alt="W&B Workspace" />
-</Frame>
-
 詳しくは [`wandb.Run.log()`](/ja/models/ref/python/experiments/run#method-run-log) を参照してください。
 
 <div id="control-the-x-axis">
@@ -386,10 +378,6 @@ for step, (input, ground_truth) in enumerate(data):
 
 [W&amp;B Artifacts](/ja/models/artifacts/) を使用して、モデルとデータセットをトラッキングし、バージョン管理できます。アーティファクト は機械学習アセットのストレージとバージョン管理を提供し、データとモデルの関連性を示すリネージを自動的にトラッキングします。
 
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_dag.png" alt="W&B に保存された Datasets とモデル チェックポイント" />
-</Frame>
-
 ライブラリに アーティファクト を統合する際は、次の点を考慮してください。
 
 * モデル チェックポイントまたはデータセットを アーティファクト としてログするかどうか (オプションにする場合) 。

@@ -246,10 +246,6 @@ W&amp;B를 사용하면 config 파라미터를 기준으로 runs를 비교하고
 
 예를 들어, 다음 이미지에서는 batch size (`batch_size`)가 config 파라미터로 정의되어 있으며 Runs table에 표시됩니다(첫 번째 column 참조). 이를 통해 사용자는 batch size를 기준으로 runs를 필터링하고 비교할 수 있습니다:
 
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_runs_page.png" alt="W&B Runs table" />
-</Frame>
-
 일반적인 config 파라미터 값의 예시는 다음과 같습니다:
 
 * 모델 이름, 버전, 아키텍처 파라미터, 하이퍼파라미터
@@ -316,10 +312,6 @@ with wandb.init(...) as run:
     run.log(metrics)
 ```
 
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_log.png" alt="W&B Workspace" />
-</Frame>
-
 자세한 내용은 [`wandb.Run.log()`](/ko/models/ref/python/experiments/run#method-run-log)를 참조하세요.
 
 <div id="control-the-x-axis">
@@ -386,9 +378,6 @@ for step, (input, ground_truth) in enumerate(data):
 
 [W&amp;B 아티팩트](/ko/models/artifacts/)를 사용해 모델과 데이터셋을 추적하고 버전 관리하세요. 아티팩트는 머신 러닝 자산을 위한 저장소와 버전 관리를 제공하며, 데이터와 모델이 어떻게 연결되어 있는지 보여주도록 리니지를 자동으로 추적합니다.
 
-<Frame>
-  <img src="/images/integrations/integrations_add_any_lib_dag.png" alt="W&B에 저장된 Datasets 및 모델 체크포인트" />
-</Frame>
 
 라이브러리에 아티팩트를 인테그레이션할 때는 다음 사항을 고려하세요: