Śledzenie eksperymentów za pomocą Weights & Biases
Rejestrować metryki, konfiguracje i artefakty
Śledzenie eksperymentów za pomocą Weights & Biases to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Po co w ogóle śledzić eksperymenty
Model będzie uruchamiany dziesiątki razy z drobnymi zmianami. Bez zapisków można zapomnieć, co działało. Śledzenie eksperymentów rejestruje każde uruchomienie, dzięki czemu postępy nigdy nie przepadają. 📊
Poznaj Weights & Biases
Weights and Biases, często zapisywane jako wandb, to popularne narzędzie rejestrujące metryki, ustawienia i wyniki każdego uruchomienia treningu na jednym pulpicie.
pip install wandbRozpocznij uruchomienie
Jedno wywołanie otwiera nową śledzoną sesję. wandb.init nadaje nazwę projektowi, dzięki czemu każde uruchomienie trafia w to samo miejsce i można je łatwo porównywać.
import wandb
wandb.init(project="mnist-cnn")Rejestruj konfigurację
Zapisuj ustawienia, które wpłynęły na uruchomienie, takie jak współczynnik uczenia i rozmiar partii. Przechowywanie tej konfiguracji pozwala powiązać każdy wynik z jego dokładną recepturą.
wandb.config.update({"lr": 0.001, "batch_size": 32})Rejestruj metryki w każdym kroku
Wewnątrz pętli wysyłaj interesujące Cię liczby. wandb.log rejestruje stratę i trafność, dzięki czemu są one przedstawiane jako krzywe aktualizowane na bieżąco.
wandb.log({"loss": loss.item(), "acc": acc})Pulpity aktualizowane na żywo
Każda zarejestrowana liczba jest przesyłana do internetowego pulpitu. Możesz obserwować aktualizowane w czasie rzeczywistym krzywe treningu i wykryć rozbieżne uruchomienie, zanim zmarnuje wiele godzin.
Porównuj uruchomienia obok siebie
Prawdziwa siła tkwi w porównywaniu. Nałóż na siebie wiele uruchomień, a pulpit pokaże, które hiperparametry rzeczywiście poprawiły trafność.
Zapisuj artefakty
Oprócz liczb można przechowywać pliki. Rejestrowanie wytrenowanego checkpointu jako artefaktu zachowuje dokładne wagi powiązane z uruchomieniem, które je utworzyło.
wandb.save("model.pt")Zakończ prawidłowo
Po zakończeniu treningu zamknij sesję, aby wszystkie dane zostały przesłane na serwer. Wywołanie wandb.finish oznacza uruchomienie jako ukończone i gotowe do przeglądu.
wandb.finish()Sweeps wyszukują rozwiązania za Ciebie
Masz dość ręcznego dostrajania? Funkcja sweep w wandb uruchamia wiele eksperymentów dla różnych ustawień i automatycznie wskazuje najlepszą kombinację.
Śledzenie to nawyk zespołowy
Zarejestrowane uruchomienia tworzą wspólną historię. Współpracownicy otwierają ten sam pulpit i od razu widzą wyniki, dzięki czemu praca jest odtwarzalna i łatwa do zweryfikowania.
Szybkie sprawdzenie
Które wywołanie rejestruje metryki, takie jak strata, podczas treningu?
Podsumowanie
Dowiedział się Pan, jak śledzić uruchomienia za pomocą wandb: zainicjować projekt, rejestrować konfigurację i metryki, zapisywać artefakty oraz kończyć sesję. Teraz każdy eksperyment jest zapisany. 🎉
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 30
- Lekcje
- 120
Często zadawane pytania
Czy lekcja „Śledzenie eksperymentów za pomocą Weights & Biases” jest bezpłatna?
Tak — pełny tekst „Śledzenie eksperymentów za pomocą Weights & Biases” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Śledzenie eksperymentów za pomocą Weights & Biases”?
Rejestrować metryki, konfiguracje i artefakty Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Śledzenie eksperymentów za pomocą Weights & Biases”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Śledzenie eksperymentów za pomocą Weights & Biases
- Wersjonowanie danych i modeli
- Wykrywanie dryfu danych i modelu
- Automatyzacja pipeline'ów ponownego trenowania