Author：HorizonMax✨编程技巧篇：各种操作小结神经网络篇：经典网络模型算法篇：再忙也别忘了LeetCode[训练可视化工具]wandb小结01.wandb基本操作️初始化️保存数据02.wandb

本文目录wandb安装loss曲线记录1.step记录2.customx-axis方法一(推荐)方法二Image记录1.单张Image2.多张Image方法一(推荐)方法二3.Image拼接distribute

1、基础使用安装pipinstallwandb初始化importwandbwandb.login()会让你输入api，你新建仓库，复制api就算初始化完成了保存输出参数曲线可以写一个配置文件cfg=Namespace(project_name='snake2022',batch_size=20,lr=0.001,max_lr=0.001,epochs=20,wd=5e-4,optimizer_ty

wandb.log在记录log时有这样一个问题：code-1wandb.log({"total_loss":total_loss})wandb.log({"lr":optimizer.param_groups

今天调试wandb时，出现“句柄无效”错误。尝试了一天，没有找到合理解决方案，最终在无意中找到了解决方案，特此记录下，希望能帮到有类似bug的人。我尝试过降低版本为0.9.7，但是失败了。

wandb简介[wandb]isshortof‘ExperimentTrackingwithWeightsandBiases’.TheauthorsareBiewaldandLukas,andthesoftwareisavailablefromwandb.com

目录wandb是什么wandb安装与注册登陆wandb常用函数wandb.init()wandb.config()wandb.log()和wandb.Image()具体使用方法后传wandb是什么wandb

1新版本特性1.同步了UltralyticsYOLOv5的上游分支v7.0，同时支持分类、目标检测、实例分割任务2.支持flask_rest_api3.支持使用wandb对实验跟踪

Wandb：makevisualizationbetterthanTensorboardwandb:一个在线的可多人协作的多功能可视化工具包我最开始使用的tensorboard，还写了一些相关tensorboard

不小心训练中断了，在恢复训练时遇到这个问题Traceback(mostrecentcalllast):File"train.py",line538,intrain(hyp,opt,device,tb_writer,wandb

一、什么是wandbwandb是一个云数据记录追踪工具https://wandb.ai二、使用步骤1、登录网站，创建自己的账户（可使用GitHub账号登陆）2、创建一个项目3、输入项目名称4、安装函数包

因此可以使用wandb的sweeps来对下游任务进行超参数搜索。问题Vilt的

mmdetection查看日志之前一直是在用TextLoggerHook，已经觉得挺方便的了，自从用了wandb之后，发现wandb真不错，看log更方便了，回不去了。

wandb绘制曲线：sin函数，cos函数，log函数。

用的算例是OpenAI官网gym提供的算例环境"CartPole-v1"游戏,代码实现部分在谷歌全家桶(Colab,tensorflow2,wandb)中完成1.朴素DQN原论文：[DQN]PlayingAtariwithDeepReinforcementLearning

如数据集)3.从github上自动下载4.输出`带颜色`字体的Logger日志5.Path的应用路径拼接和分解Path文件属性文件夹操作mkdir(parents=True,exist_ok=True)6.Wandb7

线上wandb挂起（卡死），本地脚本仍然正常运行，到wandb上查看run的状态，显示为crashed。这个问题其实在官方repo有人反馈，可以查阅官方issue。

迁移学习微调训练**1.数据集预处理1.1图像预处理1.2载入图像分类数据集2.定义训练参数2.1定义数据加载器2.2batch数据预览2.3训练策略设置3.训练监控3.1训练日志记录3.2训练日志可视化3.3创建wandb

文章目录安装配置环境准备图像分类数据集迁移学习微调训练图像分类模型导入环境图像预处理载入图像分类数据集建立类别和索引号之间映射关系定义数据加载器查看一个batch的图像和标注可视化一个batch的图像和标注模型的构建与测试可视化常见的迁移学习训练方式训练配置模型训练与评估函数：在训练集上训练函数：在整个测试集上评估创建wandb

在Colab中监测GPU显存占用的方法 1.氪金，ColabPro，开两个Terminal，一个运行，一个监视显存 2.用wandb库importwandbwandb.init(project='tensorrt2

目录一.kaggle_secrets登录wandb二.解决wandb.finish出错，不显示jupyter日志问题一.kaggle_secrets登录wandb在kagglenotebook中添加user_secrets

resume也不行了~~~原因分析：可以看下自己在训练的时候是不是使用了wandb这个功能。什么？你不知道什么是wandb？看下面的图，是不是很熟悉?

安装指令：pipinstallwandb在PowerShell输入命令：wandbinit然后出现下图。复制网址到浏览器打开，然后注册，注册完成后会给一个注册码。复制注册码，然后单击鼠标右键，然后按Enter键（注意，注册码不显示，直接单击右键就行）

一、参考来源wandb.errors.UsageError:api_keynotconfigured(no-tty).callwandb.login(key=[your_api_key])_AI浩的博客

路径mmdetection/configs/_base_/default_runtime.py使用说明在default_runtime.py中加入log_config=dict(interval=50,hooks=[#dict(type='TextLoggerHook'),#dict(type='TensorboardLoggerHook'),dict(type='WandbLoggerHook'

1.每个实验保存完整config+wandb远程追踪还在给model取巨长的文件名来记录其超参吗？out了。wandb可以把config和结果曲线同步云端供横向评比和查看。

2.网络模型和权重的保存wandb(weightandbias)inpytorch一、网络模型或者权重的保存的方式方式一：只保存网络的权重参数model=MainNet()torch.save(model.state_dict

本教程主要也是讲解一下官方的例子，通过在mnist数据集上训练，让大家了解一下基础操作和实际效果，想要了解高级操作的话可以直接搜wandb库的使用，weight&bias官网地址https://wandb.ai

目录Weights&Biases的介绍Wandb的使用step1.进入Weights&Biases进行账号注册和登录step2.建立projectstep3.安装wandbstep4.python程序设置

Weight&Biases教程-持续更新简介好处网址测试demopytorch中使用登录建议wandb.init()指定id和name离线使用winda.config基本使用Argparse配置基于yaml

创建迭代器3.训练3.1配置3.2构建模型3.3训练结果4.问题完整代码:https://github.com/cuiyc2000/mindspore-dogs.vs.cats训练过程:https://wandb.ai

文章目录零、前言一、YOLOv5TrainCustomData教程1.1推理1.2验证精度1.3COCO测试1.4训练demo1.5可视化1.5.1ClearML日志记录和自动化NEW1.5.2wandb

YOLOv5关闭wandb首先打开utils/loggers/wandb/wandb_utils.py在32行新添加wandb=None然后打开utils/loggers/__init__.py在25行新添加

importwandbconfig=dict(learning_rate=0.01,momentum=0.2,architecture="CNN",dataset_id="peds-0192",infra="AWS",)wandb.init

参考自：https://docs.wandb.ai/guides/track1.在代码中集成W&Bwandb.init()：在代码的最开始初始化一次新的运行。

wandb关闭wandbofflinewandb打开wandboffline另：wandb官方文档说：如果你是在做测试，想禁用wandb同步，可以设置环境变量WANDB_MODE=dryrun#Ifyoudon'twantyourscripttosynctothecloudos.environ

前言本文参考极市平台的推文，出自知乎的一位锦恢的作者，使用并改写而来，链接如下：PyTorch下的可视化工具（网络结构/训练过程可视化）改写内容：将可视化方法应用在ResNet上，并展现出了灵活的可嵌入性。仅作为笔记分享，如有侵权，请联系删除。1.Graphviz可视化神经网络的库hiddenlayer和torchviz都是基于Graphviz开发的，使用前必须先安装提示一下：Graphviz比较

wandb使用很简单，先去官网注册账号，获得一个key，复制在命令行里输入pipinstallwandb下载wandblogin输入刚才获得的key登陆在训练代码里面导入#Insidemymodeltrainingcodeimportwandbwandb.init

文章目录使用前提使用解析初始化模型超参数保存记录其他配置参数记录梯度、参数直方图和模型拓扑记录metric记录metric的最小值/最大值记录图像、文本等记录图像记录文本记录表格数据在多GPU的情况下使用pytorchlightning和wandb

本文记录在学习wandb以及后续使用过程中的相关问题或注意事项，主要是在Pytorch中使用安装及登录使用前需要安装，直接在终端中使用pip安装，如下pipinstallwandb可先在官网https:

什么是wandb？wandb是Weights&Biases的缩写，这款工具能够帮助跟踪你的机器学习项目。它能够自动记录模型训练过程中的超参数和输出指标，然后可视化和比较结果，并快速与同事共享结果。

Wandb——Pytorch模型指标可视化及超参搜索文章目录Wandb——Pytorch模型指标可视化及超参搜索前言一、wandb是什么？

wandb：wandb的名字是weightsandbiase的缩写，也就是对应着神经网络中的权重和偏差，所以这款软件的功能就是帮助我们记录网络训练过程中的超参数和相关的输出指标的变化，并将相应的结果可视化并仅从对比

get-startedubuntu：https://blog.csdn.net/qq_39942341/article/details/121654061安装pipinstallwandb启动docker，默认8080端口wandb

wandb和tensorboard最大区别是tensorboard的数据是存在本地的，wandb是存在wandb远端服务器，wandb会为开发真创建一个账户并生成登陆api的key。

wandb是Weights&Biases的缩写，是类似TensorBoard，visdom的一款可视化工具是属于Python的，不是Pytorch的wandb是最大的特点是能自动上传云端，让你即使在外面或者旅行途中也能随时随地查看模型崩没崩

诸神缄默不语-个人CSDN博文目录wandb官网：Weights&Biases–DevelopertoolsforML最近更新时间：2022.9.12最早更新时间：2022.5.17账号注册和登录应该很简单

wandb的基本使用在深度学习训练网络的过程中，由于网络训练过程时间长，不可能一直关注训练中的每一轮结果，因此我们需要将训练过程中的结果可视化，留作后续的查看，从而确定训练过程是否出错。

wandb(Weights&Biases)是一个类似于tensorboard的在线模型训练可视化工具。

wandbwandb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