最先端のテキスト、画像、音声、マルチモーダル機械学習モデルの定義、推論、学習に対応するフレームワーク。
SwanHubX/SwanLab
メトリクス、ハイパーパラメータ、ハードウェア情報を記録する、クラウドまたはセルフホストで利用可能なオープンソースのAI学習トラッキング・可視化プラットフォーム。
代替できる製品:Weights & Biases
- スター
- 4,313
- フォーク
- 231
- 未解決の Issue
- 47
- 最終コミット
- 昨日
これは何?
SwanLabは、機械学習の学習実行を追跡・可視化するプラットフォームです。学習コードに数行のPythonを追加するだけで、スカラー指標、ハイパーパラメータ、ログ、CPU・メモリ・アクセラレータの使用率などのシステム情報を記録できます。結果はWebダッシュボードに表示され、実行結果をグラフや表で比較したり、永続的なリンクで共有したりできます。
PyTorch、Hugging Face Transformers、PyTorch Lightning、LLaMA Factory、ms-swift、Ultralytics、MMEngine、Kerasなど、幅広いフレームワークと連携します。ハードウェアの監視対象はNVIDIA、AMD、Ascend NPU、Cambricon MLU、Kunlunxin XPU、その他複数の国内アクセラレータです。チームでプロジェクトを共同利用し、実験をグループに整理できます。
SwanLabは、ホスト型クラウドサービスのswanlab.cnから利用することも、DockerやKubernetesでセルフホストすることもでき、オフラインダッシュボードはローカルで実行できます。Apache 2.0ライセンスで公開されています。
主な機能
- 01学習コードに数行のPythonを追加するだけで、スカラー指標、ハイパーパラメータ、テキストを記録できます。
- 02折れ線、棒、散布図、ヒートマップ、カスタムEChartsに加え、画像、音声、動画などのメディアを扱えます。
- 03NVIDIA、AMD、Ascendなどのアクセラレータを対象に、ハードウェアとシステムの統計情報を記録します。
- 0430以上の学習フレームワークやライブラリと連携します。
- 05チームでのプロジェクト利用、実験結果の比較表、共有可能なリンクに対応します。
- 06DockerやKubernetesでセルフホストできるほか、オフラインダッシュボードとして実行できます。
ユースケース
- 大規模言語モデルをファインチューニングする際に、損失や精度の推移を追跡する。
- チーム内でハイパーパラメータの異なる実行結果を比較し、最適な設定を選ぶ。
- クラスターで長時間の学習ジョブを実行中に、GPUやNPUの使用率を監視する。
- 外部ネットワークから隔離されたチーム向けに、プライベートネットワーク上で社内実験ダッシュボードを運用する。
トピック
よくある質問
- SwanLab とは?
- メトリクス、ハイパーパラメータ、ハードウェア情報を記録する、クラウドまたはセルフホストで利用可能なオープンソースのAI学習トラッキング・可視化プラットフォーム。 SwanLabは、機械学習の学習実行を追跡・可視化するプラットフォームです。学習コードに数行のPythonを追加するだけで、スカラー指標、ハイパーパラメータ、ログ、CPU・メモリ・アクセラレータの使用率などのシステム情報を記録できます。結果はWebダッシュボードに表示され、実行結果をグラフや表で比較したり、永続的なリンクで共有したりできます。
- SwanLab は無料で使えますか?ライセンスは?
- SwanLab は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- SwanLab は今もメンテナンスされていますか?
- 活発にメンテナンス中。SwanLab の最終コミットは 2026年10月20日 です。
- SwanLab は何に使えますか?
- 大規模言語モデルをファインチューニングする際に、損失や精度の推移を追跡する。 チーム内でハイパーパラメータの異なる実行結果を比較し、最適な設定を選ぶ。 クラスターで長時間の学習ジョブを実行中に、GPUやNPUの使用率を監視する。 外部ネットワークから隔離されたチーム向けに、プライベートネットワーク上で社内実験ダッシュボードを運用する。
- SwanLab はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/SwanHubX/SwanLab
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
Keras 3は、JAX、TensorFlow、PyTorch、または推論向けのOpenVINOで動作する深層学習フレームワークです。
Rayは、分散ランタイムとAIライブラリを備え、PythonやAIアプリケーションをノートPCからクラスターまでスケールさせる統合フレームワークです。
大規模モデルの分散学習と推論を、より簡単かつ効率的にする深層学習最適化ライブラリ。
ONNX、TensorFlow、PyTorch、Core MLなど、多くの形式に対応したニューラルネットワーク、ディープラーニング、機械学習モデルのビューア。
GPU上でTransformerモデルを学習・推論するための、メモリ効率に優れた厳密なattentionカーネルFlashAttentionの公式実装。