Lacak Eksperimen dengan Weights & Biases
Catat metrik, konfigurasi, dan artefak
Lacak Eksperimen dengan Weights & Biases adalah pelajaran Deep Learning Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Deep Learning Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
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. 🎉
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Lacak Eksperimen dengan Weights & Biases” gratis?
Ya — teks lengkap “Lacak Eksperimen dengan Weights & Biases” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Deep Learning Academy, upgrade ke CoddyKit PRO. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Lacak Eksperimen dengan Weights & Biases”?
Catat metrik, konfigurasi, dan artefak Kamu berlatih Deep Learning Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Deep Learning Academy?
Tidak diperlukan pengalaman sebelumnya. Deep Learning Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Lacak Eksperimen dengan Weights & Biases” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Deep Learning Academy ini?
Ya. Setiap pelajaran Deep Learning Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Lacak Eksperimen dengan Weights & Biases
- Beri Versi pada Data dan Model
- Deteksi Pergeseran Data dan Model
- Otomatiskan Alur Kerja Pelatihan Ulang