A python package which can help you visually track your training process of machine-learning
Project description
BlackSwanlab 用户使用指南
为了帮助您更好地理解如何使用我们的Swanlab
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 BlackSwanlab
首先,您需要安装BlackSwanlab
库。可以使用以下命令通过pip
进行安装:
pip install BlackSwanlab
2. 导入 BlackCat 类
在您的训练代码中,首先需要做的是导入我们提供的BlackCat
类。您可以通过以下方式进行:
from BlackSwanlab.tracker import BlackCat
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 BlackCat 类
接下来,您可以实例化BlackCat
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 = BlackCat(epochs=100, user_training_func=my_training_function)
tracker.track()
在训练开始后,Swanlab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
Built Distribution
Close
Hashes for example_package_Jsqfylune-0.0.1.tar.gz
Algorithm | Hash digest | |
---|---|---|
SHA256 | 913d9a8b8cd3a179f26a20be1b37f0290e85e241c4a0c1ac2a1a7e0a6fae2ca8 |
|
MD5 | d782e5bdfb7841b9ef3aa52ada715e76 |
|
BLAKE2b-256 | 7b5133477c68ce56904299785d49fd6573f15112c8616ab5c1965b2a56482175 |
Close
Hashes for example_package_Jsqfylune-0.0.1-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 44452488030ad37cb5037212802f20ea62a724a9cb81f96860fbe9f0f365d1e5 |
|
MD5 | a815a8c27572251aa75d9214562083f1 |
|
BLAKE2b-256 | cace2cd63ebcfd2116c7caad15c6f265dbd3d4e3842c60bddadf6e5b1d63de6d |