Jupyter
在你的Jupyter笔记本中使用Weights & Biases来获得交互式可视化，并对训练运行进行自定义分析。
- 1.迭代实验: 运行和重新运行实验，调整参数，并将所有运行结果保存到W&B，而无需手动记录。
- 2.代码保存: 当重现一个模型时，很难知道笔记本上的哪些单元格在运行，以及运行的顺序。在设置页面开启代码保存，可以保存每个实验的单元格执行记录。
- 3.自定义分析: 一旦运行被记录到W&B, 就可以很容易地从API中获取数据框（dataframe）,并进行自定义分析，然后将这些结果记录到W&B,以便在报告中保存和分享。
用以下代码启动你的笔记本，安装W&B并链接你的账户：
!pip install wandb -qqq
import wandb
wandb.login()
接下来，设置你的实验并保存超参数：
wandb.init(project="jupyter-projo",
config={
"batch_size": 128,
"learning_rate": 0.01,
"dataset": "CIFAR-100",
})
运行
wandb.init() 后, 通过 %%wandb 启动一个新单元格以便在笔记本中查看实时图形。如果你多次运行该单元格，数据将被附加到运行中。%%wandb
# Your training loop here
作为
%%wandb 装饰器的替代方法，在运行wandb.init() 后，你可以使用wandb.run结束任何单元格以显示内嵌图形。# Initialize wandb.run first
wandb.init()
# If cell outputs wandb.run, you'll see live graphs
wandb.run
- 1.Colab: 当你在Colab中第一次调用
wandb.init()时，如果你当前在浏览器中登录了W&B,我们会自动认证你的运行时。在你运行页面的概览选项卡上，你会看到一个指向Colab的链接。如果你在设置 中开启了代码保存，你还可以看到运行实验时执行的单元格，从而可以更好地重现。 - 2.启动Docker Jupyter: 调用
wandb docker --jupyter来启动一个docker容器，在其中挂载你的代码，确保Jupyter已经安装,并在端口8888启动。 - 3.run.finish(): 默认情况下，我们要等待下一次调用wandb.init()时才会将运行标记为完成。这允许你运行单个单元格，并将它们都记录到同一运行中。要在Jupyter笔记本中手动标记一个运行为完成,请使用run.finish() 功能。
import wandb
run = wandb.init()
# Training script and logging goes here
run.finish()
要禁用消息，请在笔记本中运行以下内容：
import logging
logger = logging.getLogger("wandb")
logger.setLevel(logging.ERROR)
如果你看到错误信息"Failed to query for notebook name, you can set it manually with the WANDB_NOTEBOOK_NAME environment variable（查询笔记本名称失败，你可以用WANDB_NOTEBOOK_NAME环境变量来手动设置它）," 你可以通过从你的脚本中设置该环境变量来解决，像这样：
os.environ['WANDB_NOTEBOOK_NAME'] = 'some text here'最近更新 1yr ago