SwanLab官方文档

Appearance

fastai ​

fastai 是一个基于 PyTorch 的高层次深度学习库，旨在使现代深度学习的应用更加容易和高效。它提供了一个简单的 API，使用户能够快速构建、训练和评估复杂的模型，而无需深入了解底层细节。

你可以使用fastai快速进行模型训练，同时使用SwanLab进行实验跟踪与可视化。

1.引入SwanLabCallback ​

python
from swanlab.integration.fastai import SwanLabCallback

SwanLabCallback是适配于fastai的日志记录类。

SwanLabCallback可以定义的参数有：

  • project、experiment_name、description 等与 swanlab.init 效果一致的参数, 用于SwanLab项目的初始化。
  • 你也可以在外部通过swanlab.init创建项目，集成会将实验记录到你在外部创建的项目中。

2.传入训练器 ​

python
from fastai.vision.all import *
from swanlab.integration.fastai import SwanLabCallback

...

# 定义模型
learn = vision_learner(...)

# 添加SwanLabCallback
learn.fit_one_cycle(5, cbs=SwanLabCallback)

3.案例-宠物分类 ​

python
from fastai.vision.all import *
from swanlab.integration.fastai import SwanLabCallback

# 加载数据
path = untar_data(URLs.PETS)
dls = ImageDataLoaders.from_name_re(
    path, get_image_files(path / "images"), pat=r"([^/]+)_\d+.jpg$", item_tfms=Resize(224)
)

# 定义模型
learn = vision_learner(dls, resnet34, metrics=error_rate)

# 添加SwanLabCallback
learn.fit_one_cycle(
    5,
    cbs=SwanLabCallback(
        project="fastai-swanlab-integration-test",
        experiment_name="super-test",
        description="Test fastai integration with swanlab",
        logdir="./logs",
    ),
)