weights-and-biases
Track ML experiments with automatic logging, visualize training in real-time, optimize hyperparameters with sweeps, and manage model registry with Wu0026B - collaborative MLOps platform
Installation
Pick a client and clone the repository into its skills directory.
Installation
About this skill
Track ML experiments with automatic logging, visualize training in real-time, optimize hyperparameters with sweeps, and manage model registry with Wu0026B - collaborative MLOps platform
How to use
Zainstaluj bibliotekę Weights & Biases poleceniem pip install wandb, a następnie zaloguj się do konta za pomocą wandb login — system utworzy klucz API.
W swoim skrypcie treningowym zaimportuj wandb i zainicjuj projekt poleceniem wandb.init(), przekazując nazwę projektu oraz słownik config z hiperparametrami (learning rate, liczba epok, rozmiar batcha, architektura modelu).
W głównej pętli treningowej, po każdej epoce, wywołaj wandb.log() ze słownikiem zawierającym metryki: straty treningowe i walidacyjne, dokładność oraz inne wskaźniki istotne dla Twojego modelu.
Po zakończeniu treningu wywołaj wandb.finish() — dane automatycznie przesyłają się do chmury i pojawią się na dashboardzie projektu.
Otwórz panel Weights & Biases w przeglądarce, aby zobaczyć wykresy metryk w czasie rzeczywistym, porównać różne uruchomienia eksperymentów i analizować wpływ zmian hiperparametrów na wyniki.