太酷了!一款强大的机器学习可视化IDE( 二 )

要替换成你自己的API Keys 。
训练脚本
到此为止 , 工具层面的配置已经完成了 , 你需要的就是准备好你的训练脚本 。
训练脚本的准备和正常情况完全一样 , 像导入其他工具包一样导入wandb , 在wandb可以定义配置参数、dropout、日志监控等 。
这里 , 给一个简单的示例 , 写一个名为train.py的脚本:
# Init wandbimport wandbwandb.init(project="demo")# Model instantiation code ...# Log metrics with wandb for _ in range(num_epochs):train_model()loss = calulate_loss()wandb.log({"Loss": loss})# Save model to wandbnp.save("weights", weights)wandb.save("weights.npy")可以发现 , 它和Tensorboard的使用有一些相通之处 , 直接可以在代码中定义初始化、上传日志、保持模型 。
开始训练
工具配置完了 , 训练脚本也准备完了 , 下面开始训练模型即可 。
$ python train.py【太酷了!一款强大的机器学习可视化IDE】这些步骤都是在本地终端下完成的 , 一定不要忘记前面第3步 , 用API Keys登录 。
这样的话 , 执行训练之后 , 它会在网页端wandb项目管理界面自动添加一个对应的项目 , 点击进入这个项目 , 就可以看到看板、报告等内容 。


推荐阅读