用于与权重和偏差 API 交互的 CLI 和库。
项目描述
权重和偏差
使用 W&B 组织和分析机器学习实验。它与框架无关，比 TensorBoard 更轻。每次您运行使用 检测的脚本时wandb，我们都会保存您的超参数和输出指标。在训练过程中可视化模型，并轻松比较模型的版本。我们还会自动跟踪您的代码、系统指标和配置参数的状态。
特征
- 存储训练运行中使用的超参数
- 搜索、比较和可视化训练运行
- 在运行的同时分析系统使用指标
- 与团队成员合作
- 复制历史结果
- 运行参数扫描
- 永久保存实验记录
快速开始
pip install wandb
在您的训练脚本中：
import wandb
# Your custom arguments defined here
args = ...
wandb.init(config=args, project="my-project")
wandb.config["more"] = "custom"
def training_loop():
while True:
# Do some machine learning
epoch, loss, val_loss = ...
# Framework agnostic / custom metrics
wandb.log({"epoch": epoch, "loss": loss, "val_loss": val_loss})
如果您已经在使用 Tensorboard 或TensorboardX，您可以与一行集成：
wandb.init(sync_tensorboard=True)
运行你的脚本
从您的终端运行wandb login以注册或验证您的机器（我们将您的 api 密钥存储在 ~/.netrc 中）。您还可以使用 settings 中的键设置环境WANDB_API_KEY变量。
运行您的脚本，python my_script.py所有元数据都将同步到云端。当您的脚本启动和完成时，您将在终端日志中看到一个 url。数据在本地暂存于与您的脚本相关的名为wandb的目录中。如果您想在不同步到云的情况下测试您的脚本，您可以设置环境变量WANDB_MODE=dryrun。
如果您使用docker来运行您的代码，我们提供了一个包装器命令wandb docker来挂载您的当前目录、设置环境变量并确保安装了 wandb 库。在 docker 中训练模型使您能够使用wandb restore命令恢复准确的代码和环境。
网页界面
详细用法
可以在我们的文档中找到特定于框架的详细用法。
测试
要运行基本测试，请使用make test. 更多详细信息可以在 CONTRIBUTING.md 上找到。
我们将circleci用于 CI。
学术研究人员
如果您想为您的研究小组提供免费的学术帐户，请联系我们 →
我们可以轻松地在您发表的论文中引用 W&B。了解更多 →
社区
有问题、反馈或想加入从事令人兴奋的项目的 ML 工程师社区？
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。