Keras
利用Keras的回调函数callback，自动保存所有指标和
model.fit跟踪的损失值。example.py
import wandb
from wandb.keras import WandbCallback
wandb.init(config={"hyper": "parameter"})
# Magic
model.fit(X_train, y_train, validation_data=(X_test, y_test),
callbacks=[WandbCallback()])
Keras的类
WandbCallback()支持许多选项：关键字参数 | 默认值 | 说明 |
monitor | val_loss | 用来评估性能的训练指标，以便于保存最佳模型，例如val_loss。 |
mode | auto | “min”，“max”或“auto”：如何在不同步（step）之间比较 monitor指定的训练指标。 |
save_weights_only | False | 只保存权重而不是整个模型 |
save_model | True | 如果每一步（step）都有改进，就保存该模型。 |
log_weights | False | 记录各层参数在每个周期（epoch）的参数值 |
log_gradients | False | 记录每个周期中各层的参数梯度。 |
training_data | None | 需要多元组(x,y)用于计算梯度。 |
data_type | None | 我们正保存的数据类型，目前仅支持图像“image”。 |
labels | None | 只有指定了data_type才会用到，如果你要做分类器，要把数字输出转化为标签列表。（支持二元分类器。 |
predictions | 36 | 如果指定了data_type，预测的次数。最大为100 |
generator | None | 如果用数据扩增和data_type，你可以指定一个生成器来做预测。 |
如果你设置
use_multiprocessing=True，然后收到错误Error('You must call wandb.init() before wandb.config.batch_size')，意思为错误（‘你必须在wandb.config.batch_size前调用wandb.init()’），那么可以尝试下列方法：- 1.在Sequence类init中, 添加:
wandb.init(group='...') - 2.在主程序中，确保使用
if __name__ == "__main__":然后把你剩下的脚本逻辑的部分放进去。
我们已经为你创建了一些示例，以了解集成的工作原理：
- 在Google Colab中运行: 一个简单的笔记本示例让你入门
最近更新 1yr ago