文件名称：客户：:fire:用于可视化和跟踪您的机器学习实验的工具。 此仓库包含CLI和Python API
文件大小：10.54MB
文件格式：ZIP
更新时间：2024-02-23 20:41:17
machine-learning reinforcement-learning deep-learning tensorflow keras
权重和偏见 使用W＆B来组织和分析机器学习实验。 它与TensorBoard无关，框架轻巧。 每次您运行wandb编写的脚本时，我们都会保存您的超参数和输出指标。 在训练过程中可视化模型，并轻松比较模型的版本。 我们还将自动跟踪您的代码状态，系统指标和配置参数。 产品特点 存储训练运行中使用的超参数 搜索，比较和可视化培训运行 与运行一起分析系统使用情况指标 与团队成员合作 复制历史结果 运行参数扫描 永久保存实验记录 如果您有任何疑问，请随时在我们的提问。 :handshake: 与任何框架轻松集成 安装wandb库并登录： pip install wandb wandb login 灵活集成任何Python脚本： import wandb # 1. Start a W&B run wandb . init ( project = 'gpt3' ) # 2. Save model inputs and hyperparameters config = wandb . config config . learning_rate = 0.01 # Model training