Experimente mit Weights & Biases verfolgen
Protokollieren Sie Metriken, Konfigurationen und Artefakte.
Experimente mit Weights & Biases verfolgen ist eine kostenlose Deep Learning Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Deep Learning Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Warum Experimente überhaupt protokollieren?
Sie werden ein Modell mit kleinen Änderungen dutzende Male ausführen. Ohne Aufzeichnungen vergessen Sie, was funktioniert hat. Experiment tracking protokolliert jeden Durchlauf, sodass kein Fortschritt verloren geht. 📊
Lernen Sie Weights & Biases kennen
Weights and Biases, häufig als wandb geschrieben, ist ein beliebtes Tool, das Metriken, Einstellungen und Ausgaben jedes Trainingslaufs in einem Dashboard erfasst.
pip install wandbEinen Durchlauf starten
Ein Aufruf öffnet eine neue protokollierte Sitzung. wandb.init benennt Ihr Projekt, sodass jeder Durchlauf zur einfachen Vergleichbarkeit am selben Ort landet.
import wandb
wandb.init(project="mnist-cnn")Ihre Konfiguration protokollieren
Speichern Sie die Einstellungen, die einen Durchlauf geprägt haben, etwa Lernrate und Batch-Größe. Durch das Speichern dieser config können Sie jedes Ergebnis genau seinem Rezept zuordnen.
wandb.config.update({"lr": 0.001, "batch_size": 32})Metriken bei jedem Schritt protokollieren
Senden Sie innerhalb Ihrer Schleife die für Sie wichtigen Zahlen. wandb.log erfasst Verlust und Genauigkeit, sodass sie im Zeitverlauf als Live-Kurven dargestellt werden.
wandb.log({"loss": loss.item(), "acc": acc})Live-Dashboards
Jede protokollierte Zahl wird an ein Web-dashboard übertragen. Sie beobachten, wie sich Trainingskurven in Echtzeit aktualisieren, und erkennen einen abweichenden Lauf, bevor er Stunden verschwendet.
Durchläufe direkt vergleichen
Die eigentliche Stärke liegt im Vergleich. Legen Sie viele Durchläufe übereinander, und das Dashboard zeigt, welche hyperparameters Ihre Genauigkeit tatsächlich verbessert haben.
Artefakte speichern
Neben Zahlen können Sie auch Dateien speichern. Wenn Sie einen trainierten Checkpoint als artifact protokollieren, bleiben die exakten Gewichte mit dem Durchlauf verknüpft, durch den sie entstanden sind.
wandb.save("model.pt")Sauber abschließen
Schließen Sie die Sitzung nach dem Ende des Trainings, damit alle Daten an den Server übertragen werden. Der Aufruf von wandb.finish markiert den Durchlauf als abgeschlossen und zur Überprüfung bereit.
wandb.finish()Sweeps suchen für Sie
Sie sind es leid, manuell zu optimieren? Ein wandb-sweep startet viele Durchläufe mit verschiedenen Einstellungen und meldet automatisch, welche Kombination gewinnt.
Tracking wird zur Teamgewohnheit
Protokollierte Durchläufe werden zu einer gemeinsamen Historie. Teammitglieder öffnen dasselbe Dashboard und sehen sofort Ihre Ergebnisse, wodurch Ihre Arbeit reproducible und vertrauenswürdig wird.
Schnelltest
Welcher Aufruf protokolliert Metriken wie den Verlust während des Trainings?
Zusammenfassung
Sie haben gelernt, Durchläufe mit wandb zu protokollieren: ein Projekt zu initialisieren, Konfiguration und Metriken zu erfassen, Artefakte zu speichern und den Durchlauf abzuschließen. Nun wird jedes Experiment aufgezeichnet. 🎉
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Experimente mit Weights & Biases verfolgen“ kostenlos?
Ja — der vollständige Text von „Experimente mit Weights & Biases verfolgen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Deep Learning Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Experimente mit Weights & Biases verfolgen“?
Protokollieren Sie Metriken, Konfigurationen und Artefakte. Du übst Deep Learning Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Deep Learning Academy zu starten?
Keine Vorkenntnisse erforderlich. Deep Learning Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „Experimente mit Weights & Biases verfolgen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Deep Learning Academy-Lektion Code schreiben und ausführen?
Ja. Jede Deep Learning Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Experimente mit Weights & Biases verfolgen
- Daten und Modelle versionieren
- Daten- und Modelldrift erkennen
- Retraining-Pipelines automatisieren