记录实验指标

使用SwanLab Python库记录训练每一步（step）的指标与媒体数据。

SwanLab用 swanlab.log() 在训练循环中收集指标名和数据（key-value）。从脚本收集的数据将保存到你本地目录下的一个名为 swanlog 的目录（目录名可以由 swanlab.init 的 logdir 参数设置），然后同步到SwanLab的云端服务器。

记录标量指标

在训练循环中，将指标名和数据组成一个键值对字典，传递给 swanlab.log() 完成1次指标的记录：

for epoch in range(num_epochs):
    for data, ground_truth in dataloader:
        predict = model(data)
        loss = loss_fn(predict, ground_truth)
        # 记录指标，指标名为loss
        swanlab.log({"loss": loss})

在 swanlab.log 记录时，会根据指标名，将{指标名: 指标}字典汇总到一个统一位置存储。

⚠️需要注意的是，swanlab.log({key: value})中的value必须是int / float / BaseType这三种类型（如果传入的是str类型，会先尝试转为float，如果转换失败就会报错），其中BaseType类型主要是多媒体数据，详情请看记录多媒体数据。

在每次记录时，会为该次记录赋予一个 step。在默认情况下，step 为0开始，并在你每一次在同一个指标名下记录时，step 等于该指标名历史记录的最大 step + 1，例如：

import swanlab
swanlab.init()

...

swanlab.log({"loss": loss, "acc": acc})  
# 此次记录中，loss的step为0, acc的step为0

swanlab.log({"loss": loss, "iter": iter})  
# 此次记录中，loss的step为1, iter的step为0, acc的step为0

swanlab.log({"loss": loss, "iter": iter})  
# 此次记录中，loss的step为2, iter的step为1, acc的step为0

指标分组

在脚本中可以通过指标名的前缀（以“/”为分隔）进行图表分组，例如 train/loss 会被分到名为“train”的分组、val/loss 会被分到名为“val”的分组：

# 分到train组
swanlab.log({"train/loss": loss})
swanlab.log({"train/batch_cost": batch_cost})

# 分到val组
swanlab.log({"val/acc": acc})

指定记录的step

在一些指标的记录频率不一致，但希望它们的step可以对齐时，可以通过设置 swanlab.log 的 step 参数实现对齐：

for iter, (data, ground_truth) in enumerate(train_dataloader):
    predict = model(data)
    train_loss = loss_fn(predict, ground_truth)
    swanlab.log({"train/loss": loss}, step=iter)

    # 测试部分
    if iter % 1000 == 0:
        acc = val_trainer(model)
        swanlab.log({"val/acc": acc}, step=iter)

需要注意的是，同一个指标名不允许出现2个相同的step的数据，一旦出现，SwanLab将保留先记录的数据，抛弃后记录的数据。

自动记录环境信息

SwanLab在实验期间自动记录以下信息：

• 命令行输出：标准输出流和标准错误流被自动记录，并显示在实验页面的“日志”选项卡中。
• 实验环境：记录包括操作系统、硬件配置、Python解释器路径、运行目录、Python库依赖等在内的数十项的环境信息。
• 训练时间：记录训练开始时间和总时长。