Documentation
搜索文档…
Skorch
你可以通过Skorch使用Weights & Biases以自动记录具有最佳性能的模型– 以及每个周期后的所有模型性能指标、模型拓扑和计算资源。保存在wandb_run.dir中的每个文件都会被自动记录到W&B服务器。
查看示例运行

参数

参数
说明
wandb_run:
wandb.wandb_run.Run
wandb run 用于记录数据。
save_model bool (default=True)
是否保存最佳模型的一个检查点并将其上传到你在W&B服务器上的运行中。
keys_ignored 字符串或字符串列表(默认=None)
不应该被记录到tensorboard的键或键列表。请注意,除了用户提供的键外,以event_’开头或以‘_best’结尾的键默认会被忽略。

示例代码

我们已经为你创建了一些示例,以了解集成的工作原理:
1
# Install wandb
2
... pip install wandb
3
4
import wandb
5
from skorch.callbacks import WandbLogger
6
7
# Create a wandb Run
8
wandb_run = wandb.init()
9
# Alternative: Create a wandb Run without a W&B account
10
wandb_run = wandb.init(anonymous="allow")
11
12
# Log hyper-parameters (optional)
13
wandb_run.config.update({"learning rate": 1e-3, "batch size": 32})
14
15
net = NeuralNet(..., callbacks=[WandbLogger(wandb_run)])
16
net.fit(X, y)
Copied!

方法

方法
说明
initialize()
(重新)设置回调的初始状态
on_batch_begin(net[, X, y, training])
在每个批次开始时被调用
on_batch_end(net[, X, y, training])
在每个批次结束时被调用
on_epoch_begin(net[, dataset_train, …])
在每个周期(epoch)开始时被调用
on_epoch_end(net, **kwargs)
对上一个历史步(step)的数值进行记录,并保存最佳模型。
on_grad_computed(net, named_parameters[, X, …])
在计算完梯度后,但在执行更新步(step)之前,每个批次调用一次。
on_train_begin(net, **kwargs)
记录模型拓扑,并为梯度添加一个钩子。
on_train_end(net[, X, y])
在训练结束时被调用。
最近更新 9mo ago
复制链接