模型训练的追踪调试和观测的可视化Python工具-Lera

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。

发表评论

电子邮件地址不会被公开。 必填项已用*标注