Open-source платформа для отслеживания и визуализации обучения AI-моделей: метрики, гиперпараметры и статистика оборудования; доступна в облаке или для самостоятельного размещения.
- Звёзды
- 11,306
- Форки
- 907
- Открытые issues
- 1,011
- Последний коммит
- 5 часов назад
Что это?
wandb — это Python-клиент для Weights & Biases, платформы для записи результатов работы над задачами машинного обучения. В скрипте обучения или ноутбуке можно запустить эксперимент с помощью wandb.init(), передать гиперпараметры в виде словаря config и записывать метрики, например accuracy и loss, с помощью run.log(). Результаты отображаются на веб-панели, где можно сравнивать эксперименты и видеть, как менялись значения на каждом шаге.
Библиотека интегрируется с популярными фреймворками, включая PyTorch, TensorFlow, Keras и JAX, поэтому отслеживание экспериментов можно добавить в существующий проект с минимальными изменениями кода. Кроме того, доступны версионирование данных и моделей, подбор гиперпараметров и возможность воспроизводить результаты прошлых запусков.
W&B доступен как облачный сервис с несколькими клиентами, выделенный экземпляр облака на AWS, GCP или Azure либо сервер с самостоятельным управлением, развёрнутый в собственной инфраструктуре. Набор инструментов Weave для трассировки и оценки приложений на базе LLM — отдельный продукт того же поставщика.
Ключевые возможности
- 01Записывайте гиперпараметры и метрики из Python-скрипта с помощью wandb.init() и run.log().
- 02Сравнивайте эксперименты и визуализируйте их результаты на веб-панели.
- 03Интегрируется с PyTorch, TensorFlow, Keras и JAX.
- 04Версионируйте датасеты и модели в виде артефактов.
- 05Запускайте подбор гиперпараметров для поиска подходящих конфигураций.
- 06Разворачивайте как облачный сервис, выделенный облачный экземпляр или сервер с самостоятельным управлением.
Сценарии использования
- Отслеживание запусков обучения и сравнение вариантов моделей в ходе исследований.
- Версионирование датасетов и контрольных точек моделей в ML-пайплайне команды.
- Подбор гиперпараметров для моделей глубокого обучения.
- Развёртывание сервера для отслеживания экспериментов во внутренней сети.
Быстрый старт
- 1
Установите библиотеку wandb
pip install wandb - 2
Зарегистрируйтесь и создайте API-ключ на wandb.ai/settings (или выполните wandb login)
wandb login - 3
В скрипте Python инициализируйте запуск с помощью wandb.init() и записывайте метрики с помощью run.log()
Что важно знать
- Для доступа ко всем функциям необходимы аккаунт W&B и API-ключ; по умолчанию используется хостинговая платформа.
- Самостоятельное размещение W&B Server требует отдельной работы по развертыванию, не связанной с библиотекой Python.
Темы
Частые вопросы
- Что такое wandb?
- Python-библиотека и облачная платформа для отслеживания, визуализации и управления экспериментами машинного обучения, датасетами и моделями. wandb — это Python-клиент для Weights & Biases, платформы для записи результатов работы над задачами машинного обучения. В скрипте обучения или ноутбуке можно запустить эксперимент с помощью wandb.init(), передать гиперпараметры в виде словаря config и записывать метрики, например accuracy и loss, с помощью run.log(). Результаты отображаются на веб-панели, где можно сравнивать эксперименты и видеть, как менялись значения на каждом шаге.
- wandb можно использовать бесплатно? Какая у него лицензия?
- wandb распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- wandb всё ещё поддерживается?
- Активно поддерживается. Последний коммит в wandb — 22 окт. 2026 г..
- Для чего можно использовать wandb?
- Отслеживание запусков обучения и сравнение вариантов моделей в ходе исследований. Версионирование датасетов и контрольных точек моделей в ML-пайплайне команды. Подбор гиперпараметров для моделей глубокого обучения. Развёртывание сервера для отслеживания экспериментов во внутренней сети.
- Как установить wandb?
- Установите библиотеку wandb: pip install wandb Зарегистрируйтесь и создайте API-ключ на wandb.ai/settings (или выполните wandb login): wandb login В скрипте Python инициализируйте запуск с помощью wandb.init() и записывайте метрики с помощью run.log()
- Где скачать wandb?
- Исходный код и инструкции по установке — на GitHub: https://github.com/wandb/wandb
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Просмотрщик моделей нейросетей, глубокого и машинного обучения с поддержкой ONNX, TensorFlow, PyTorch, Core ML и многих других форматов.
Учебная программа Microsoft по ИИ для начинающих: 12 недель и 24 урока о символическом ИИ, нейросетях, компьютерном зрении, NLP и этике, с ноутбуками на PyTorch и TensorFlow.
Keras 3 — фреймворк для глубокого обучения, работающий на JAX, TensorFlow, PyTorch или OpenVINO для инференса.
Кроссплатформенный ускоритель для запуска ML-моделей, экспортированных в формат ONNX, с поддержкой обучения с помощью PyTorch-скриптов.
Библиотека Python для преобразования кода машинного обучения между фреймворками, включая PyTorch, TensorFlow, JAX и NumPy, с помощью ivy.transpile.