Documentation
搜索文档…
Examples (示例)
如何使用Weights&Biases的一些项目示例、演练和教程。
探索这些示例如何使用Weights&Biases以:
    跟踪和可视化机器学习实验;
    版本化数据集和模型
    使用不同框架如PyTorch、Sciki监测(Instrument)模型
可以从我们的GitHub仓库Fork示例,也可以直接在这里打开示例链接。如果要向列表贡献示例,请联系我们[email protected]

W&B入门

描述
仪表盘
代码
跟踪模型性能
W&B链接
Kaggle内核​ ​
可视化模型预测
W&B链接
Kaggle内核​
保存和恢复模型
比较系统指标(Metric)
W&B链接
超参数扫描(Sweeps)

PyTorch

描述
仪表盘
代码
带W&B的PyTorch简介
PyTorch MNIST Colab
着色卷积神经网络(CNN)将灰度图转换为彩图
Github仓库​
Yolo-2边界框
Github 仓库​
强化学习
W&B仪表盘​
Github仓库​
char-RNN预测文字
W&B仪表盘​
Github 仓库​
利用权阈探究ResNets
W&B仪表盘​
利用权阈探究神经风格迁移论文
W&B仪表盘​
Github 仓库​
用PyTorch调试神经网络
W&B报告
GitHub 仓库​
PyTorch Lightning
用PyTorch Lightning做语义分割
W&B仪表盘​
Github 仓库​

Keras

描述
仪表盘
代码
带W&B的Keras简介
W&B仪表盘​
带W&B的卷积神经网络(CNN)简介
W&B仪表盘​
着色卷积神经网络CNN将灰度图转化为彩图
W&B仪表盘​
Github 仓库​
卷积神经网络(CNN)人脸表情分类器
W&B仪表盘​
Github 仓库​
用Mask RCNN做语义分割
W&B仪表盘​
Github 仓库​
在iNaturalist数据上微调CNN
W&B仪表盘​
Github 仓库​
用U-Net做语义分割
W&B仪表盘​
Github 仓库​
权重(Weight)初始化对神经网络的影响
W&B仪表盘​
神经图像生成器可以被检测到吗?
W&B仪表盘​
可视化模型预测
W&B仪表盘​
Kaggle 内核​
跟踪模型性能
W&B仪表盘​
Kaggle 内核​
在TensorBoard中用权重(Weight)&偏差(Bias)可视化模型
W&B仪表盘​
使用TPU的权重((Weights)&偏差(Biases)

TensorFlow

描述
仪表盘
代码
用GAN预测视频帧
W&B仪表盘​
Github 仓库​
跟踪TensorFlow模型性能
Github 仓库​
TensorFlow分布式训练模型
Github 仓库​

Fast.ai

描述
仪表盘
代码
通过fastai使
用WandbCallback
扫描(Sweeps
描述
公共仪表盘
代码
带有W&B的扫描(Sweeps
)简介
W&B仪表盘​
PyTorch扫描:超参数搜索的意义和噪声
报告
在Python脚本中运行扫描
Github 仓库​
在MPI框架中使用扫描
Github 仓库​

Scikit-learn

描述
公共仪表盘
代码
可视化Scikit模型
W&B仪表盘
在XGBoost中使用W&B
Github 仓库​
在一个SVM中使用W&B
Github 仓库​

应用

标题
链接
蛋白结构预测
报告
语义分割在自动驾驶汽车中的应用
报告
新冠肺炎研究范例
报告
从视频中获取深度图在自动驾驶汽车中的应用
报告
权重(Weight)初始化对神经网络的影响
报告
功能
标题
链接
集成抱抱脸(HuggingFace)
最近更新 6mo ago