Documentation
搜索文档…
中文 (简体)
Weights & Biases
Quickstart (快速上手)
Examples (示例)
Library (库)
Integrations (集成)
Dashboard
Reports (报告)
Sweeps
Artifacts
Self Hosted
Company (公司)
Testimonials
Support
Data and Privacy
Spread the Word
Company FAQ
Beginner FAQ
Academics
Classes
Marketing Site
由
GitBook
提供支持
Company (公司)
什么是wandb?
Wandb是用于机器学习的实验跟踪工具。 我们使从事机器学习的任何人都可以轻松跟踪实验,与同事及未来的我们分享结果。
这是1分钟的概述视频。
查看示例项目→
它是如何工作的?
当您使用wandb测试训练代码时,我们的后台进程将收集有关训练模型时正在发生的事情的有用数据。 例如,我们可以跟踪模型性能指标,超参数,渐变,系统指标,输出文件以及您最近的git commit。
Broken link
设置wanb难吗?
我们知道大多数人会使用emacs和Google表格等工具跟踪他们的训练,因此我们将wandb设计为尽可能轻巧。 集成过程需要5到10分钟,而wandb不会减慢速度或使您的训练脚本崩溃。
使用wandb的好处
我们的用户告诉我们,他们从wandb中获得了三种好处:
1.可视化训练
我们的一些用户将wandb视为“persistent TensorBoard”。默认情况下,我们收集模型性能指标,例如准确性和损失。我们还可以收集并显示matplotlib对象,模型文件,系统指标(如GPU使用情况)以及您最近的git commit SHA +补丁文件,该文件包含自上次提交以来的所有更改。
您还可以记下要保存的个人训练记录以及训练数据。这是我们给彭博Bloomberg的一堂课中的一个相关
示例项目
。
2.组织和比较大量的训练
大多数训练机器学习模型的人都在尝试他们模型的很多版本,我们的目标是帮助人们保持组织有序。
您可以创建项目以将所有运行都放在一个位置。您可以跨多个运行可视化性能指标,并根据需要过滤,分组和标记它们。
一个很好的例子项目是Stacey的
河口项目
。在边栏中,您可以打开和关闭训练以显示在图表上,或者单击一个训练以进行更深入的研究。您所有的运行都将保存并组织在一个统一的工作区中。
3.分享您的结果
一旦完成了许多运行,通常就需要组织它们以显示某种结果。我们在Latent Space的朋友写了一篇很好的文章,名为《 ML最佳实践:测试驱动开发》(
ML Best Practices: Test Driven Development
),讨论了他们如何使用W&B报告来提高团队的生产力。
用户Boris Dayma撰写了有关语义细分(
Semantic Segmentation
)的公开示例报告。他介绍了他尝试过的各种方法以及它们的工作效果。
我们真的希望wandb鼓励机器学习团队更有效地协作。
如果您想了解有关团队如何使用wandb的更多信息,我们已经记录了对
OpenAI
和
Toyota Research
的技术用户的采访。
团队
如果您正在与合作者一起进行机器学习项目,那么我们可以轻松共享结果。
企业团队
:我们支持小型创业公司和大型企业团队,例如OpenAI和Toyota Research Institute。我们提供灵活的定价选项来满足您团队的需求,并且我们支持托管云,私有云和本地安装。
学术团队
:我们致力于支持学术透明和合作研究。如果您是学者,我们将授予您访问免费小组的机会,以在私人项目中分享您的研究成果。
如果您想与团队以外的人共享项目,请在导航栏中单击项目隐私设置,然后将项目设置为“公开”。与您共享链接的任何人都可以看到您的公共项目结果。
以前
Local FAQ
下一个
Testimonials
最近更新
1yr ago
复制链接
内容
设置wanb难吗?
使用wandb的好处
1.可视化训练
2.组织和比较大量的训练
3.分享您的结果
团队