Documentation
搜索文档…
中文 (简体)
Weights & Biases
Quickstart (快速上手)
Examples (示例)
Library (库)
Integrations (集成)
Pytorch
Keras
Tensorflow
Hugging Face
Fast.ai
PyTorch Lightning
JAX Example
Scikit
XGBoost
LightGBM
TensorBoard
SageMaker
PyTorch Ignite
Kubeflow
Docker
Jupyter
Databricks
Ray Tune
Catalyst
Skorch
SimpleTransformers
OpenAI Gym
Numpy Example
Dashboard
Reports (报告)
Sweeps
Artifacts
Self Hosted
Company (公司)
Marketing Site
由
GitBook
提供支持
Pytorch
W&B为PyTorch提供了一流的支持。要自动记录梯度(Gradient)并存储网络拓扑,你可以调用
watch
并传入你的PyTorch 模型。
1
import
wandb
2
wandb
.
init
(
config
=
args
)
3
4
# Magic
5
wandb
.
watch
(
model
)
6
7
model
.
train
()
8
for
batch_idx
,
(
data
,
target
)
in
enumerate
(
train_loader
):
9
output
=
model
(
data
)
10
loss
=
F
.
nll_loss
(
output
,
target
)
11
loss
.
backward
()
12
optimizer
.
step
()
13
if
batch_idx
%
args
.
log_interval
==
0
:
14
wandb
.
log
({
"loss"
:
loss
})
Copied!
梯度、指标和图(Graph)不会被记录,直到
wandb.log
在forward和bacward通过后被调用。
请参阅
colab笔记本
,以了解将wandb与PyTorch集成的端到端示例,包括一个
视频教
程 。你也可以在我们的
示例项目
部分找到更多示例。
选项
默认,钩子只记录梯度。
参数
选项
log
all: 记录梯度和参数直方图
gradients (默认)
parameters (模型的权重)
None
log_freq
整数(默认1000): 记录梯度之间的步(step)数
图像
你可将带有图像数据的PyTorch tensors传入
wandb.Image
和torchvision utils,将用于自动记录它们。
要记录图像并在媒体(Media)面板中查看它们,你可以使用如下语法:
1
wandb
.
log
({
"examples"
:
[
wandb
.
Image
(
i
)
for
i
in
images
]})
Copied!
多个模型
如果你需要在同一个脚本中跟踪多个模型,你可以分别在每个模型上调用wandb.watch() 。
示例
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
Github
上的示例: 一个Python脚本中的MNIST示例
Wandb 仪
表盘: 在W&B上查看结果
以前
Integrations (集成)
下一个
Keras
最近更新
1yr ago
复制链接
内容
选项
图像
多个模型
示例