Deep Learning Academy · درس

تتبّع التجارب باستخدام Weights & Biases

سجّل المقاييس والإعدادات والمصنوعات

تتبّع التجارب باستخدام Weights & Biases درس مجاني في Deep Learning Academy على CoddyKit. هذا هو الدرس 1 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Deep Learning Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Deep Learning Academy 4 دروس في المجموع.

بعض أجزاء هذا الدرس لم تُترجم بعد وتظهر باللغة الإنجليزية.

Why Track Experiments at All

You will run a model dozens of times with tiny tweaks. Without records you forget what worked. Experiment tracking logs every run so progress is never lost. 📊

Meet Weights & Biases

Weights and Biases, often written wandb, is a popular tool that records metrics, settings, and outputs from each training run in one dashboard.

pip install wandb

Start a Run

One call opens a new tracked session. wandb.init names your project so every run lands in the same place for easy comparison.

import wandb
wandb.init(project="mnist-cnn")

Log Your Config

Save the settings that shaped a run, like learning rate and batch size. Storing this config lets you tie any result back to its exact recipe.

wandb.config.update({"lr": 0.001, "batch_size": 32})

Log Metrics Each Step

Inside your loop, send numbers you care about. wandb.log records loss and accuracy so they plot as live curves over time.

wandb.log({"loss": loss.item(), "acc": acc})

Live Dashboards

Every logged number streams to a web dashboard. You watch training curves update in real time and spot a diverging run before it wastes hours.

Compare Runs Side by Side

The real power is comparison. Overlay many runs and the dashboard shows which hyperparameters actually moved your accuracy upward.

Save Artifacts

Beyond numbers you can store files. Logging a trained checkpoint as an artifact keeps the exact weights paired with the run that made them.

wandb.save("model.pt")

Finish Cleanly

When training ends, close the session so all data flushes to the server. Calling wandb.finish marks the run complete and ready to review.

wandb.finish()

Sweeps Search for You

Tired of tuning by hand? A wandb sweep launches many runs across a range of settings and reports which combination wins automatically.

Tracking Is a Team Habit

Logged runs become shared history. Teammates open the same dashboard and instantly see your results, making your work reproducible and easy to trust.

Quick Check

Which call records metrics like loss during training?

Recap

You learned to track runs with wandb: init a project, log config and metrics, save artifacts, and finish. Now every experiment is recorded. 🎉

الأسئلة الشائعة

هل درس «تتبّع التجارب باستخدام Weights & Biases» مجاني؟

نعم — نص درس «تتبّع التجارب باستخدام Weights & Biases» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Deep Learning Academy، انتقل إلى CoddyKit PRO. تتضمن دورة Deep Learning Academy 4 دروس في المجموع.

ماذا ستتعلم في «تتبّع التجارب باستخدام Weights & Biases»؟

سجّل المقاييس والإعدادات والمصنوعات تتمرن على Deep Learning Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ Deep Learning Academy؟

لا تُشترط خبرة سابقة. Deep Learning Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 1 من أصل 4.

كم من الوقت يستغرق درس «تتبّع التجارب باستخدام Weights & Biases»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس Deep Learning Academy هذا؟

نعم. كل درس في Deep Learning Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

← العودة إلى Deep Learning Academy