Repolode
SwanHubX

SwanHubX/SwanLab

Plataforma open source para acompanhar e visualizar treinamentos de IA, registrando métricas, hiperparâmetros e dados de hardware, com implantação na nuvem ou autohospedada.

Alternativa open source a:Weights & Biases

Estrelas
4,313
Forks
231
Issues abertas
47
Último commit
ontem

O que é?

O SwanLab é uma plataforma para acompanhar e visualizar execuções de treinamento de machine learning. Os desenvolvedores adicionam algumas linhas de Python ao código de treinamento, e o SwanLab registra métricas escalares, hiperparâmetros, logs e informações do sistema, como uso de CPU, memória e aceleradores. Os resultados aparecem em um dashboard web, onde é possível gerar gráficos das execuções, compará-las em tabelas e compartilhá-las por meio de links permanentes.

A plataforma se integra a diversos frameworks, incluindo PyTorch, Hugging Face Transformers, PyTorch Lightning, LLaMA Factory, ms-swift, Ultralytics, MMEngine e Keras. O monitoramento de hardware abrange NVIDIA, AMD, Ascend NPU, Cambricon MLU, Kunlunxin XPU e vários outros aceleradores nacionais. As equipes podem colaborar em um projeto e organizar experimentos em grupos.

O SwanLab pode ser usado pelo serviço de nuvem hospedado em swanlab.cn ou autohospedado com Docker ou Kubernetes; também é possível executar o dashboard offline localmente. O projeto é distribuído sob a licença Apache 2.0.

Recursos principais

  • 01Registra métricas escalares, hiperparâmetros e texto a partir do código de treinamento com algumas linhas de Python.
  • 02Os gráficos incluem linhas, barras, dispersão, mapas de calor e ECharts personalizados, além de mídias como imagens, áudio e vídeo.
  • 03Registra estatísticas de hardware e do sistema em NVIDIA, AMD, Ascend e outros aceleradores.
  • 04Integra-se a mais de 30 frameworks e bibliotecas de treinamento.
  • 05Oferece suporte a projetos de equipe, tabelas para comparar experimentos e links compartilháveis.
  • 06Pode ser autohospedado com Docker ou Kubernetes, ou executado como um dashboard offline.

Casos de uso

  • Acompanhar curvas de loss e acurácia durante o fine-tuning de um modelo de linguagem de grande porte.
  • Comparar execuções com diferentes hiperparâmetros entre os integrantes da equipe para escolher a melhor configuração.
  • Monitorar o uso de GPU ou NPU durante treinamentos longos em um cluster.
  • Hospedar um dashboard interno de experimentos em uma rede privada para uma equipe em ambiente isolado.

Tópicos

Perguntas frequentes

O que é SwanLab?
Plataforma open source para acompanhar e visualizar treinamentos de IA, registrando métricas, hiperparâmetros e dados de hardware, com implantação na nuvem ou autohospedada. O SwanLab é uma plataforma para acompanhar e visualizar execuções de treinamento de machine learning. Os desenvolvedores adicionam algumas linhas de Python ao código de treinamento, e o SwanLab registra métricas escalares, hiperparâmetros, logs e informações do sistema, como uso de CPU, memória e aceleradores. Os resultados aparecem em um dashboard web, onde é possível gerar gráficos das execuções, compará-las em tabelas e compartilhá-las por meio de links permanentes.
SwanLab é gratuito? Qual é a licença?
SwanLab é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
SwanLab ainda é mantido?
Manutenção ativa. O último commit de SwanLab foi em 20 de out. de 2026.
Para que posso usar SwanLab?
Acompanhar curvas de loss e acurácia durante o fine-tuning de um modelo de linguagem de grande porte. Comparar execuções com diferentes hiperparâmetros entre os integrantes da equipe para escolher a melhor configuração. Monitorar o uso de GPU ou NPU durante treinamentos longos em um cluster. Hospedar um dashboard interno de experimentos em uma rede privada para uma equipe em ambiente isolado.
Onde consigo SwanLab?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/SwanHubX/SwanLab

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados