PyTorch Lightning
from pytorch_lightning.loggers import WandbLogger
from pytorch_lightning import Trainer
wandb_logger = WandbLogger()
trainer = Trainer(logger=wandb_logger)
我们已经为你创建了一些示例，以帮助你了解集成的工作原理：
可选参数:
- name（字符串型）——显示运行的名称。
- save_dir（字符串型）——数据保存的路径（默认为wandb目录）。
- offline（布尔型）——离线运行（数据可以稍后流式传输到wandb服务器）。
- id（字符串型）——设置版本，主要用来做断点续训。
- version（字符串型）——与版本相同（遗留）
- anonymous（布尔型）——启用或显式禁用匿名记录。
- project（字符串型）——本运行所属的项目名称。
- log_model（布尔型）—— 将检查点保存在wandb目录中，并上传到W&B服务器。
- prefix（字符串型）——放在指标（metric）键开头的字符串。
- sync_step（布尔型）——将训练步（step）与wandb步（step）同步（默认为True）。
- **kwargs—— wandb.init使用的其他参数（如,entity,group,tags等），可作为关键字参数传入到此记录器中。
记录模型拓扑以及可选的梯度和权重。
wandb_logger.watch(model, log='gradients', log_freq=100)
参数：
- model (nn.Module) – 要记录的模型。
- log（字符串型）——"parameters"、"all"或None，默认值为"gradients"。
- log_freq（整型）——隔多少步数记录一次梯度和参数（默认为100）。
记录超参数配置。
注意：当使用
LightningModule.save_hyperparameters()时此函数会被自动调用wandb_logger.log_hyperparams(params)
参数：
- params（字典型）——字典型数据，超参数名称作为“键”，配置值作为“值”。
记录训练指标。
注意：此函数由
LightningModule.log('metric', value)自动调用。wandb_logger.log_metrics(metrics, step=None)
参数:
- metric（数字型）——字典型数据，指标名称作为“键”，测试量作为“值”。
- step（整数型或None）——要在哪个步（step）记录指标。
****
最近更新 1yr ago