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。
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。 |
我们已经为你创建了一些示例，以了解集成的工作原理：
# Install wandb
... pip install wandb
import wandb
from skorch.callbacks import WandbLogger
# Create a wandb Run
wandb_run = wandb.init()
# Alternative: Create a wandb Run without a W&B account
wandb_run = wandb.init(anonymous="allow")
# Log hyper-parameters (optional)
wandb_run.config.update({"learning rate": 1e-3, "batch size": 32})
net = NeuralNet(..., callbacks=[WandbLogger(wandb_run)])
net.fit(X, y)
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 1yr ago