ติดตามการทดลองด้วย Weights & Biases
บันทึกตัวชี้วัด การกำหนดค่า และสิ่งประดิษฐ์
ติดตามการทดลองด้วย Weights & Biases เป็นบทเรียน Deep Learning Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Deep Learning Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Deep Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน
เหตุใดจึงต้องติดตามการทดลอง
คุณจะรันโมเดลหลายสิบครั้งโดยปรับเปลี่ยนรายละเอียดเล็ก ๆ น้อย ๆ หากไม่มีบันทึก คุณจะลืมว่าอะไรได้ผล การติดตามการทดลองจะบันทึกการรันทุกครั้ง เพื่อไม่ให้ความคืบหน้าสูญหาย 📊
มาทำความรู้จักกับ Weights & Biases
Weights and Biases ซึ่งมักเขียนว่า wandb เป็นเครื่องมือยอดนิยมที่บันทึกตัวชี้วัด การตั้งค่า และผลลัพธ์จากการฝึกแต่ละครั้งไว้ในแดชบอร์ดเดียว
pip install wandbเริ่มการรัน
การเรียกเพียงครั้งเดียวจะเปิดเซสชันใหม่ที่มีการติดตาม wandb.init จะตั้งชื่อโครงการของคุณ เพื่อให้การรันทุกครั้งไปอยู่ในที่เดียวกันและเปรียบเทียบได้ง่าย
import wandb
wandb.init(project="mnist-cnn")บันทึกการตั้งค่าของคุณ
บันทึกการตั้งค่าที่มีผลต่อการรัน เช่น อัตราการเรียนรู้และขนาดแบตช์ การจัดเก็บการกำหนดค่านี้ช่วยให้คุณเชื่อมโยงผลลัพธ์ใด ๆ กลับไปยังสูตรการตั้งค่าที่แน่นอนได้
wandb.config.update({"lr": 0.001, "batch_size": 32})บันทึกตัวชี้วัดในแต่ละขั้นตอน
ภายในลูป ให้ส่งตัวเลขที่คุณสนใจ wandb.logจะบันทึกค่าความสูญเสียและความแม่นยำ เพื่อแสดงเป็นเส้นกราฟแบบสดตามเวลา
wandb.log({"loss": loss.item(), "acc": acc})แดชบอร์ดแบบสด
ตัวเลขทุกค่าที่บันทึกจะถูกส่งไปยังแดชบอร์ดบนเว็บ คุณดูเส้นกราฟการฝึกอัปเดตแบบเรียลไทม์และพบการรันที่เริ่มแย่ลงก่อนจะเสียเวลาไปหลายชั่วโมง
เปรียบเทียบการรันแบบเคียงข้างกัน
พลังที่แท้จริงอยู่ที่การเปรียบเทียบ วางการรันหลายครั้งซ้อนกัน แล้วแดชบอร์ดจะแสดงว่าไฮเปอร์พารามิเตอร์ใดทำให้ความแม่นยำเพิ่มขึ้นจริง
บันทึกสิ่งประดิษฐ์
นอกเหนือจากตัวเลขแล้ว คุณยังจัดเก็บไฟล์ได้ การบันทึกจุดตรวจสอบที่ฝึกแล้วเป็นสิ่งประดิษฐ์จะเก็บน้ำหนักที่ตรงกันทุกประการไว้คู่กับการรันที่สร้างน้ำหนักเหล่านั้น
wandb.save("model.pt")ปิดการทำงานอย่างเรียบร้อย
เมื่อการฝึกสิ้นสุด ให้ปิดเซสชันเพื่อให้ข้อมูลทั้งหมดถูกส่งไปยังเซิร์ฟเวอร์ การเรียก wandb.finish จะระบุว่าการรันเสร็จสมบูรณ์และพร้อมตรวจสอบ
wandb.finish()การค้นหาแบบกวาดช่วยค้นหาแทนคุณ
เหนื่อยกับการปรับค่าด้วยตนเองหรือไม่ การกวาดค้นหาของ wandb จะเปิดการรันหลายครั้งด้วยช่วงการตั้งค่าต่าง ๆ และรายงานชุดการตั้งค่าที่ชนะโดยอัตโนมัติ
การติดตามคือกิจวัตรของทีม
การรันที่บันทึกไว้จะกลายเป็นประวัติร่วมกัน เพื่อนร่วมทีมเปิดแดชบอร์ดเดียวกันและเห็นผลลัพธ์ของคุณได้ทันที ทำให้งานของคุณทำซ้ำได้และน่าเชื่อถือ
ตรวจสอบความเข้าใจอย่างรวดเร็ว
การเรียกใดใช้บันทึกตัวชี้วัด เช่น ค่าความสูญเสียระหว่างการฝึก
สรุปทบทวน
คุณได้เรียนรู้การติดตามการรันด้วย wandb แล้ว ได้แก่ เริ่มต้นโครงการ บันทึกการกำหนดค่าและตัวชี้วัด บันทึกสิ่งประดิษฐ์ และปิดการทำงาน ตอนนี้การทดลองทุกครั้งถูกบันทึกไว้แล้ว 🎉
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “ติดตามการทดลองด้วย Weights & Biases” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ติดตามการทดลองด้วย Weights & Biases” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Deep Learning Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Deep Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ติดตามการทดลองด้วย Weights & Biases”
บันทึกตัวชี้วัด การกำหนดค่า และสิ่งประดิษฐ์ คุณปฏิบัติ Deep Learning Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Deep Learning Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Deep Learning Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน
บทเรียน “ติดตามการทดลองด้วย Weights & Biases” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Deep Learning Academy นี้ได้ไหม
ได้ บทเรียน Deep Learning Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ติดตามการทดลองด้วย Weights & Biases
- จัดการเวอร์ชันข้อมูลและโมเดล
- ตรวจจับการเปลี่ยนแปลงของข้อมูลและโมเดล
- ทำไปป์ไลน์ฝึกใหม่โดยอัตโนมัติ