wandb
wandb全称Weights & Biases，用来帮助我们跟踪机器学习的项目，通过wandb可以记录模型训练过程中指标的变化情况以及超参的设置，还能够将输出的结果进行可视化的比对，帮助我们更好的分析模型在训练过程中的问题，同时我们还可以通过它来进行团队协作
wandb会将训练过程中的参数，上传到服务器上，然后通过登录wandb来进行实时过程模型训练过程中参数和指标的变化
wandb的特点
- 保存模型训练过程中的超参数
- 实时可视化训练过程中指标的变化
- 分析训练过程中系统指标(CPU/GPU的利用率)的变化情况
- 和团队协作开发
- 复现历史结果
- 实验记录的永久保留
- wandb可以很容易的集成到各个深度学习框架中(Pytorch、Keras、Tensorflow等)
wandb的组成模块
wandb主要由四大模块组成，分别是：
- 仪表盘：跟踪实验分析可视化结果
- 报告：保存和分析可复制的实验结果
- Sweeps：通过调节超参数来优化模型
- Artifacts：数据集和模型版本化，流水线跟踪
wandb账号注册
- 安装wandb
pip install wandb
- 注册wandb账号在使用wandb之前，我们需要先注册一个免费账号
- 拷贝API keys在网站上登录wandb，点击Settings
滚动到下面，找到API Keys进行复制
在torch中嵌入wandb
这部分我们主要介绍如何在torch中使用wandb，这里我们以训练MNIST为例
- 导包
- 登录wandb
wandb.login(key="填入你的API Keys")
- 定义网络结构
- 定义训练方法
- 定义验证方法
- 训练模型
查看训练的结果
- 登录到wandb的网站上查看训练结果
- 查看模型在测试集上Accuracy和loss的变化
- 查看模型的预测效果
- 查看训练过程中系统参数(GPU和CPU等)的变化情况
