Suivre les expériences avec Weights & Biases
Enregistrez les métriques, configurations et artefacts.
Suivre les expériences avec Weights & Biases est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
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 wandbStart 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. 🎉
Questions Fréquemment Posées
La leçon « Suivre les expériences avec Weights & Biases » est-elle gratuite ?
Oui — le texte complet de « Suivre les expériences avec Weights & Biases » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Suivre les expériences avec Weights & Biases » ?
Enregistrez les métriques, configurations et artefacts. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?
Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Suivre les expériences avec Weights & Biases » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?
Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Suivre les expériences avec Weights & Biases
- Versionner les données et les modèles
- Détecter la dérive des données et du modèle
- Automatiser les pipelines de réentraînement