什么是SwanLab

SwanLab是一款完全开源免费的机器学习日志跟踪与实验管理工具，为人工智能研究者打造。有以下特点：

基于一个名为swanlab的python库

可以帮助您在机器学习实验中记录超参数、训练日志和可视化结果

能够自动记录logging、系统硬件、环境配置（如用了什么型号的显卡、Python版本是多少等等）

可以完全离线运行，在完全内网环境下也可使用

 使用SwanLab辅助模拟训练实验的结果图速览： 

快速入门

安装swanlab并快速开始跟踪简单的机器学习实验。

安装SwanLab

在<code> Python 3.8+ 环境中的计算机上使用 pip 安装 swanlab 库。

pip install -U swanlab

P.S. 此教程主要基于swanlab>=0.1.5，如果低于此版本，请做一下升级，升级命令同上。

启动运行并跟踪超参数

在 swanlab.init 中初始化SwanLab，在 swanlab.log 中以字典形式传入需要跟踪记录的指标项：

import swanlab

swanlab.init(

config={"learning_rate": 0.01},

logdir="./logs"code>

)

for epoch in range(1, 10):

swanlab.log({"epoch": epoch})

config 参数：要记录的实验配置信息。比如上面的代码表示SwanLab记录了配置项learning_rate，它的值为0.01。

logdir 参数：实验数据即将存储的路径。SwanLab会在运行时将实验数据存放在logdir中，这些数据将成为实验看板的数据源。上面的代码表示实验数据存储的位置是当前目录下的logs文件夹。

swanlab.log ：跟踪需要记录的指标，需要以字典的形式传入，实验看板将根据传入的内容，绘制相应的图表。上面的代码表示SwanLog记录了名为epoch的指标项，值为1～9。

 打开终端，进入同一目录下，运行命令<code> swanlab watch ,开启实验看板：

swanlab watch --logdir ./logs

--logdir 参数：实验看板的数据源的路径，于初始化SwanLab时创建。上面的命令表示以./logs文件夹为数据源开启实验看板。

 你会看到下面的输出结果，这代表可视化实验看板已经在后台运行：

[SwanLab-INFO]: SwanLab Experiment Dashboard ready in <启动实验看板的用时>ms

➜ Local: http://127.0.0.1:5092

打开浏览器，访问http://127.0.0.1:5092： 

 就是这样！点击进入刚刚进行的实验，可以可视化地看到我们用 SwanLab 记录的指标（loss和acc）在每个训练步骤中是如何改进的：

Have a Try!

快速上手模拟训练实验

根据以上教程，你是不是也能用SwanLab实现本教程开始时展示的模拟训练实验呢？Why not have a try?  Now!

参考代码如下：

<code>import swanlab

import time

import random

lr = 0.01

epochs = 20

offset = random.random() / 5

swanlab.init(

# 设置实验名称

experiment_name="sample_experiment",code>

# 设置实验介绍

description="This is a sample experiment for machine learning training.",code>

# 记录跟踪的超参数和运行元数据

config={

"learning_rate": lr,

"epochs": epochs,

},

)

# 模拟机器学习训练过程

for epoch in range(2, epochs):

acc = 1 - 2**-epoch - random.random() / epoch - offset

loss = 2**-epoch + random.random() / epoch + offset

print(f"epoch={epoch}, accuracy={acc}, loss={loss}")

# 记录loss和acc

swanlab.log({"loss": loss, "accuracy": acc})

time.sleep(1)

 SwanLab助力机器学习