wandb

Par mkurman · zorai

Weights & Biases — Suivi et visualisation d'expériences ML. Enregistrez métriques, hyperparamètres, checkpoints de modèles et artefacts. Tableaux de bord collaboratifs, recherche d'hyperparamètres par sweep et registre de modèles.

npx skills add https://github.com/mkurman/zorai --skill wandb

Aperçu

Weights & Biases (wandb) suit les expériences ML avec des visualisations riches, des sweeps d'hyperparamètres, le versioning des datasets, un registre de modèles et des tableaux de bord collaboratifs. Standard de l'industrie pour le tracking d'expériences dans les équipes ML.

Installation

uv pip install wandb
wandb login  # authenticate with API key

Experiment Tracking

import wandb

wandb.init(project="my_project", config={
    "learning_rate": 0.001,
    "batch_size": 32,
    "architecture": "transformer",
})
for epoch in range(10):
    loss = train_one_epoch()
    wandb.log({"train_loss": loss, "val_loss": val_loss, "epoch": epoch})
wandb.finish()

Hyperparameter Sweep

sweep_config = {
    "method": "bayes",
    "metric": {"name": "val_loss", "goal": "minimize"},
    "parameters": {"lr": {"min": 1e-5, "max": 1e-2}},
}
sweep_id = wandb.sweep(sweep_config, project="my_project")
wandb.agent(sweep_id, function=train_function, count=20)