https://lera.ai/：Lera helps you to watch, track and debug your model learning

师弟推荐了一个可视化的模型训练交互工具Lera.ai（https://lera.ai/），看了一下挺好用的。

能够很方便地记录调参记录，模型参数，loss曲线以及输出样例。目前该工具支持PyTorch/NumPy和Keras。具体使用方法如下。首先可以通过Github账户绑定登录，然后安装lera：

pip install lera

配置lera分配给自己的API key：

$ lera –set-api-key [32位的API key]

这里的API key由系统分配是为了避免冲突，也可以自己设定，不过很有可能会造成冲突。接下来就是在python程序中嵌入lera脚本，非常简单，PyTorch/NumPy下的示例如下：

import lera

# Send hyperparameters

lera.log_hyperparams({

  ‘title’: ‘MNIST classifier’,

  ‘batch_size’: batch_size,

  ‘epochs’: epochs,

  ‘optimizer’: ‘SGD’,

  ‘lr’: lr,

  ‘momentum’: momentum

  })

def train(epoch):

  for i, data in enumerate(dataloader, 0):

    …

lera.log(‘train_loss’, loss.item())

Keras下的示例如下：

import lera

from lera.keras import LeraCallback

# Send hyperparameters

lera.log_hyperparams({ ‘title’: ‘MNIST classifier’ })

…

model.fit(x_train, y_train,

          batch_size=batch_size,

          epochs=epochs,

          verbose=1,

          validation_data=(x_test, y_test),

          callbacks=[LeraCallback()])

然后执行自己的程序即可：python main.py。日志中会给出观测地址，一般为https://lera.ai/m/[API key的前几项]该工具还可以在log中上传音频、图像以及文件进行分析和展示。

出自： http://jacoxu.com/lera-ai/

注意：当前lera工具版本存在一个问题是，只支持Linux系统，对Windows系统存在进程冲突尚未解决。