A python package which can help you visually track your training process of machine-learning
Project description
MLSwanlab 用户使用指南
为了帮助您更好地理解如何使用我们的MLSwanlab
库进行模型训练过程中的损失和准确度实时跟踪,这里提供了详细的步骤。
1. 安装 MLSwanlab
首先,您需要安装MLSwanlab
库。可以使用以下命令通过pip
进行安装:
pip install MLSwanlab
2. 导入 Tracker 类
在您的训练代码中,首先需要做的是导入我们提供的Tracker
类。您可以通过以下方式进行:
from MLSwanlab.tracker import Tracker
3. 定义训练函数
在开始训练之前,您需要定义一个训练函数。这是一个典型的训练函数例子:
def my_training_function(epoch):
# 在这里插入您的训练代码
# 根据您的模型和数据计算损失和精度
# 假设我们在这里随机生成一些数据
import random
loss = random.uniform(0, 1)
accuracy = random.uniform(0, 1)
return loss, accuracy
注意: 您的训练函数必须接受一个名为epoch
的参数,并返回两个值:loss
和accuracy
。
4. 实例化和使用 Tracker 类
接下来,您可以实例化Tracker
类,并将您的训练函数作为参数传给它。然后,只需调用track()
方法即可启动训练:
tracker = Tracker(epochs=100, user_training_func=my_training_function)
tracker.track()
在训练开始后,MLSwanlab将会启动一个Flask服务器,实时更新并提供训练的损失和精度数据。
5. 查看实时训练指标
最后,您可以使用任意的web浏览器,访问 http://localhost:5000/metrics 来查看训练的实时指标。
注意: 如果您运行的主机有端口访问限制,您可能需要对您的网络配置进行相应的调整。
这就是所有您需要了解的训练和实时监控训练过程的步骤。如果您遇到任何问题,欢迎提交问题或联系我们。Swanlab团队祝您使用愉快!
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
MLSwanlab-0.0.1.tar.gz
(4.5 kB
view hashes)
Built Distribution
Close
Hashes for MLSwanlab-0.0.1-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 535ac9c4a64d8493d0fd39c4cf3f28d2c64a8781896fc6b2d4b89dd097750daa |
|
MD5 | 4a7a9f71bbcdd0195b8f476e55c84e78 |
|
BLAKE2b-256 | ec99823355e92fd565d905ccb3af52d38942f5e5585f9b244fa984e89865e8ed |