模型可视化

PyTorch应用wandb

以一个最简单的神经网络为例展示wandb的用法: 导入必要的库 from __future__ import print_function import argparse import random # to set the python random seed import numpy # to set the numpy random seed import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader # Ignore excessive warnings import logging logging.propagate = False logging.getLogger().setLevel(logging.ERROR) # WandB – Import the wandb library import wandb 登陆...

wandb: 深度学习轻量级可视化工具简介

wandb wandb是Weights & Biases的缩写,这款工具能够帮助跟踪你的机器学习项目。 它能够自动记录模型训练过程中的超参数和输出指标,然后可视化和比较结果,并快速与同事共享结果。 通过wandb,能够给你的机器学习项目带来强大的交互式可视化调试体验,能够自动化记录Python脚本中的图标,并且实时在网页仪表盘展示它的结果,例如,损失函数、准确率、召回率,它能够让你在最短的时间内完成机器学习项目可视化图片的制作。 总结而言,wandb有4项核心功能: 看板:跟踪训练过程,给出可视化结果 报告:保存和共享训练过程中一些细节、有价值的信息 调优:使用超参数调优来优化你训练的模型 工具:数据集和模型版本化 也就是说,wandb并不单纯的是一款数据可视化工具。它具有更为强大的模型和数据版本管理。此外,还可以对你训练的模型进行调优。 wandb另外一大亮点的就是强大的兼容性,它能够和Jupyter、TensorFlow、Pytorch、Keras、Scikit、fast.ai、LightGBM、XGBoost一起结合使用。 因此,它不仅可以给你带来时间和精力上的节省,还能够给你的结果带来质的改变。 验证数据可...