weights-and-biases

Weights & Biases to platforma MLOps do śledzenia eksperymentów uczenia maszynowego. Automatycznie rejestrujesz metryki treningowe, wizualizujesz postęp na interaktywnych dashboardach i porównujesz wyniki różnych konfiguracji. Narzędzie wspiera optymalizację hiperparametrów poprzez zautomatyzowane przeszukiwania, zarządzanie rejestrem modeli z wersjonowaniem oraz współpracę zespołową. Integruje się z PyTorch, TensorFlow i HuggingFace.

1. Zainstaluj bibliotekę Weights & Biases poleceniem pip install wandb, a następnie zaloguj się do konta za pomocą wandb login — system utworzy klucz API.

2. W swoim skrypcie treningowym zaimportuj wandb i zainicjuj projekt poleceniem wandb.init(), przekazując nazwę projektu oraz słownik config z hiperparametrami (learning rate, liczba epok, rozmiar batcha, architektura modelu).

3. W głównej pętli treningowej, po każdej epoce, wywołaj wandb.log() ze słownikiem zawierającym metryki: straty treningowe i walidacyjne, dokładność oraz inne wskaźniki istotne dla Twojego modelu.

4. Po zakończeniu treningu wywołaj wandb.finish() — dane automatycznie przesyłają się do chmury i pojawią się na dashboardzie projektu.

5. Otwórz panel Weights & Biases w przeglądarce, aby zobaczyć wykresy metryk w czasie rzeczywistym, porównać różne uruchomienia eksperymentów i analizować wpływ zmian hiperparametrów na wyniki.