Repolode
Предложить
SwanHubX

SwanHubX/SwanLab

Open-source платформа для отслеживания и визуализации обучения AI-моделей: метрики, гиперпараметры и статистика оборудования; доступна в облаке или для самостоятельного размещения.

Open source альтернатива:Weights & Biases

Открыть на GitHubСайт
Звёзды
4,313
Форки
231
Открытые issues
47
Последний коммит
вчера

Что это?

SwanLab — платформа для отслеживания и визуализации запусков обучения моделей машинного обучения. Достаточно добавить несколько строк Python в код обучения, и SwanLab будет записывать скалярные метрики, гиперпараметры, логи и сведения о системе, например загрузку CPU, памяти и ускорителей. Результаты отображаются на веб-панели: запуски можно визуализировать на графиках, сравнивать в таблицах и открывать по постоянным ссылкам.

Платформа интегрируется со множеством фреймворков, включая PyTorch, Hugging Face Transformers, PyTorch Lightning, LLaMA Factory, ms-swift, Ultralytics, MMEngine и Keras. Мониторинг оборудования поддерживает NVIDIA, AMD, Ascend NPU, Cambricon MLU, Kunlunxin XPU и ряд других отечественных ускорителей. Команды могут совместно работать в рамках проекта и распределять эксперименты по группам.

SwanLab можно использовать через облачный сервис swanlab.cn или развернуть самостоятельно с Docker или Kubernetes; офлайн-панель можно запускать локально. Проект распространяется по лицензии Apache 2.0.

Ключевые возможности

  • 01Записывает скалярные метрики, гиперпараметры и текст из кода обучения — достаточно нескольких строк Python.
  • 02Поддерживает линейные, столбчатые и точечные графики, тепловые карты и пользовательские графики ECharts, а также изображения, аудио и видео.
  • 03Записывает статистику оборудования и системы для NVIDIA, AMD, Ascend и других ускорителей.
  • 04Интегрируется с более чем 30 фреймворками и библиотеками для обучения.
  • 05Поддерживает командные проекты, таблицы для сравнения экспериментов и ссылки для общего доступа.
  • 06Можно развернуть самостоятельно с Docker или Kubernetes либо использовать как офлайн-панель.

Сценарии использования

  • Отслеживание кривых потерь и точности при дообучении большой языковой модели.
  • Сравнение запусков с разными гиперпараметрами в команде, чтобы выбрать лучшую конфигурацию.
  • Мониторинг загрузки GPU или NPU во время длительного обучения на кластере.
  • Размещение внутренней панели экспериментов в приватной сети для команды, работающей в изолированной среде.

Темы

#machine-learning#deep-learning#experiment-tracking#visualization#pytorch#llm#mlops#ai-infra#data-science#logging

Частые вопросы

Что такое SwanLab?
Open-source платформа для отслеживания и визуализации обучения AI-моделей: метрики, гиперпараметры и статистика оборудования; доступна в облаке или для самостоятельного размещения. SwanLab — платформа для отслеживания и визуализации запусков обучения моделей машинного обучения. Достаточно добавить несколько строк Python в код обучения, и SwanLab будет записывать скалярные метрики, гиперпараметры, логи и сведения о системе, например загрузку CPU, памяти и ускорителей. Результаты отображаются на веб-панели: запуски можно визуализировать на графиках, сравнивать в таблицах и открывать по постоянным ссылкам.
SwanLab можно использовать бесплатно? Какая у него лицензия?
SwanLab распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
SwanLab всё ещё поддерживается?
Активно поддерживается. Последний коммит в SwanLab — 20 окт. 2026 г..
Для чего можно использовать SwanLab?
Отслеживание кривых потерь и точности при дообучении большой языковой модели. Сравнение запусков с разными гиперпараметрами в команде, чтобы выбрать лучшую конфигурацию. Мониторинг загрузки GPU или NPU во время длительного обучения на кластере. Размещение внутренней панели экспериментов в приватной сети для команды, работающей в изолированной среде.
Где скачать SwanLab?
Исходный код и инструкции по установке — на GitHub: https://github.com/SwanHubX/SwanLab

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты