Wandb不可缺少的機器學習分析工具

wandb

wandb全名為Weights & Biases，用來幫助我們追蹤機器學習的項目，透過wandb可以記錄模型訓練過程中指標的變化情況以及超參的設置，還能夠將輸出的結果進行視覺化的比對，幫助我們更好的分析模型在訓練過程中的問題，同時我們也可以透過它來進行團隊協作

wandb會將訓練過程中的參數，上傳到伺服器上，然後透過登入wandb來進行即時過程模型訓練過程中參數和指標的變化

#wandb的特點

##保存模型訓練過程中的超參數
• 即時視覺化訓練過程中指標的變化
• 分析訓練過程中系統指標(CPU/GPU的利用率)的變化率
• #和團隊協作開發
• 復現歷史結果
• 實驗記錄的永久保留
• wandb可以很容易的整合到各個深度學習框架(Pytorch、Keras、Tensorflow等)

wandb的組成模組

wandb主

要由四大模組組成，分別是：

儀表板：追蹤實驗分析視覺化結果
1. 報告：保存和分析可複製的實驗結果
2. Sweeps：透過調節超參數來優化模型
3. Artifacts：資料集和模型版本化，管線追蹤

wandb帳號註冊

安裝wandb

pip install wandb

註冊wandb帳號在使用wandb之前，我們需要先註冊一個免費帳號
• 拷貝API keys在網站上登入wandb，點選Settings

#捲動到下面，找到API Keys進行複製

#在torch中嵌入wandb

這部分我們主要介紹如何在torch中使用wandb，這裡我們以訓練MNIST為例

導包

登入wandb

wandb.login(key="填入你的API Keys")

定義網路結構

定義訓練方法

#定義驗證方法

##訓練模型

• 查看訓練的結果

登入wandb的網站上查看訓練結果

查看模型在測試集上Accuracy和loss的變化

看模型的預測效果

#查看訓練過程中系統參數(GPU和CPU等)的變化情況

###########

以上是Wandb不可缺少的機器學習分析工具的詳細內容。更多資訊請關注PHP中文網其他相關文章！