- 综合排序
- 最热优先
- 最新优先
Ultralytics x SwanLab：可视化YOLO模型训练
集成SwanLab有两种方式：使用add_swanlab_callback函数：无需修改源码，仅适用于单卡训练场景使用return_swanlab_callback函数：需要修改源码，适用于单卡以及多卡 1.1 引入add_swanlab_callbackfrom swanlab.integration.ultralytics import add_swanlab_callbackSwanLabCallback 1.2 引入add_swanlab_callback下面是使用yolov8n模型在coco数据集上的训练，只需将model传入add_swanlab_callback函数，即可完成与SwanLab的集成 如果需要自定义SwanLab的项目、实验名等参数，则可以在return_swanlab_callback中添加：return_swanlab_callback( model, project 相关链接Ultralytics文档： UltralyticsSwanLab官网：SwanLab - 在线AI实验平台，一站式跟踪、比较、分享你的模型SwanLab官方文档：SwanLab官方文档 | 先进的
1.3K10编辑于 2024-06-01GLM4大模型微调入门实战（完整代码）
SwanLab：https://swanlab.cn 相关文章：Qwen2指令微调 知识点：什么是指令微调？ 这里直接使用SwanLab和Transformers的集成来实现： from swanlab.integration.huggingface import SwanLabCallback swanlab_callback callbacks=[swanlab_callback], ) 如果你是第一次使用SwanLab，那么还需要去https://swanlab.cn上注册一个账号，在用户设置页面复制你的API Key，然后在训练开始时粘贴进去即可 相关链接 代码：完整代码直接看本文第5节 实验日志过程：GLM4-Fintune - SwanLab 模型：Modelscope 数据集：zh_cls_fudan_news SwanLab：https: //swanlab.cn
2.5K10编辑于 2024-06-20YOLOv8猫狗检测:从SwanLab可视化训练到Gradio Demo网站
YOLOv8猫狗检测:从SwanLab可视化训练到Gradio Demo网站基于YOLO模型在自定义数据上做训练，实现对特定目标的识别和检测，是CV领域非常经典的任务，也是AI项目落地最热门的方向之一。 这篇文章我将带大家使用Ultralytics、SwanLab、Gradio这两个开源工具，完成从猫狗检测数据集准备、代码编写、可视化训练到推理Demo的全过程。 import add_swanlab_callbackimport swanlabdef main(): swanlab.init(project="Cats_Dogs_Detection", 在运行训练脚本的时候，如果你是第一次使用swanlab，那么需要去swanlab官网注册一个账号，然后在用户设置界面复制API Key，然后在命令行输入swanlab login，粘贴API Key即可完成登录 相关链接在线看实验过程：猫狗检测 · SwanLabSwanLab：https://swanlab.cn数据集：百度云，提取码: f238
1.5K10编辑于 2024-05-28BERT-IMDB电影评论情感分类实战：SwanLab可视化训练（完整训练代码）
代码中用swanlab主要用于记录指标和可视化。 ： from swanlab.integration.huggingface import SwanLabCallback # 设置swanlab回调函数 swanlab_callback = SwanLabCallback 回调函数 callbacks=[swanlab_callback], ) 想了解更多关于SwanLab的知识，请看SwanLab官方文档。 训练过程看这里：BERT-SwanLab。 在首次使用SwanLab时，需要去官网注册一下账号，然后在用户设置复制一下你的API Key。 然后在终端输入swanlab login: swanlab login 把API Key粘贴进去即可完成登录，之后就不需要再次登录了。
1.1K11编辑于 2024-05-26SwanLab快速上手（开源在线训练可视化工具，Wandb国产平替）
SwanLab介绍swanlab地址：swanlab.cnGithub地址：https://github.com/SwanHubX/SwanLabSwanLab是一款开源、轻量级的AI实验跟踪工具，提供了一个跟踪 快速上手参考链接：SwanLab快速开始2.1 安装swanlabpip install swanlab如果下载太慢，可以使用以下命令从清华源下载：pip install swanlab -i https ://pypi.tuna.tsinghua.edu.cn/simple2.2 登录账号如果你之前没有注册用SwanLab账号，那么去官网注册一个，然后记一下你的API Key：在命令行输入：swanlab 2.3 运行案例程序import swanlabimport random# 初始化一个新的swanlab run类来跟踪这个脚本swanlab.init( # 设置将记录此次运行的项目信息 project 上传训练指标 swanlab.log({"acc": acc, "loss": loss})运行后，你会在最开始看到swanlab链接：点击链接就可以看到可视化效果，或者访问SwanLab官网，会在你的账号下看到新的实验
1.9K10编辑于 2024-05-20Stable Diffusion训练入门：火影忍者数据集
模型与数据集百度云链接：百度云，提取码: gtk8SwanLab：https://swanlab.cn1.环境安装本案例基于Python>=3.8，请在您的计算机上安装好Python；另外，您的计算机上至少要有一张英伟达显卡 ==0.3.11，更多库版本可查看SwanLab记录的Python环境。 配置训练可视化工具我们使用SwanLab来监控整个训练过程，并评估最终的模型效果。 如果你是第一次使用SwanLab，那么还需要去 https://swanlab.cn 上注册一个账号，在用户设置页面复制你的API Key，然后在训练开始时粘贴进去即可：5.开始训练由于训练的代码比较长 ：https://swanlab.cn
1.9K10编辑于 2024-06-18Qwen2大模型微调入门实战（完整代码）
在这个任务中我们会使用Qwen2-1.5b-Instruct模型在zh_cls_fudan_news数据集上进行指令微调任务，同时使用SwanLab进行监控和可视化。 配置训练可视化工具 我们使用SwanLab来监控整个训练过程，并评估最终的模型效果。 这里直接使用SwanLab和Transformers的集成来实现： from swanlab.integration.huggingface import SwanLabCallback swanlab_callback callbacks=[swanlab_callback], ) 如果你是第一次使用SwanLab，那么还需要去https://swanlab.cn上注册一个账号，在**用户设置**页面复制你的API Key (result_text, caption=response)) swanlab.log({"Prediction": test_text_list}) swanlab.finish() 看到下面的进度条即代表训练开始
4.2K11编辑于 2024-06-20- 来自专栏深度学习自然语言处理
Qwen2大模型微调入门实战-命名实体识别（NER）任务
@XDU；SwanLab联合创始人 声明：本文只做分享，版权归原作者，侵权私信删除！ • 数据集：chinese_ner_sft • SwanLab：https://swanlab.cn 知识点1：什么是指令微调？ 这里直接使用SwanLab和Transformers的集成来实现： from swanlab.integration.huggingface import SwanLabCallback swanlab_callback callbacks=[swanlab_callback], ) 如果你是第一次使用SwanLab，那么还需要去https://swanlab.cn上注册一个账号，在用户设置页面复制你的API Key，然后在训练开始时粘贴进去即可 (result_text, caption=response)) swanlab.log({'Prediction': test_text_list}) swanlab.finish() 看到下面的进度条即代表训练开始
2.8K20编辑于 2024-07-04 Qwen2大模型微调入门实战-命名实体识别（NER）任务
代码：完整代码直接看本文第5节 或 Github 实验日志过程：Qwen2-1.5B-NER-Fintune - SwanLab 模型：Modelscope 数据集：chinese_ner_sft SwanLab ：https://swanlab.cn 知识点1：什么是指令微调？ 这里直接使用SwanLab和Transformers的集成来实现： from swanlab.integration.huggingface import SwanLabCallback swanlab_callback callbacks=[swanlab_callback], ) 如果你是第一次使用SwanLab，那么还需要去https://swanlab.cn上注册一个账号，在用户设置页面复制你的API Key，然后在训练开始时粘贴进去即可 模型：Modelscope 数据集：chinese_ner_sft SwanLab：https://swanlab.cn
1.5K21编辑于 2024-06-21MiniCPM-o-2.6 多模态大模型微调实战（完整代码）
SwanLab简介SwanLab 是一个开源的模型训练记录工具，常被称为"中国版 Weights&Biases + Tensorboard"。 SwanLab面向AI研究者，提供了训练可视化、自动日志记录、超参数记录、实验对比、多人协同等功能。 callbacks=[swanlab_callback],)首次使用SwanLab，需要先在官网注册一个账号，然后在用户设置页面复制你的API Key，然后在训练开始提示登录时粘贴即可，后续无需再次登录 ：SwanLab API Key的位置：更多用法可参考快速开始、Transformers集成。 SwanLab记录，需要调用swanlab.finish()swanlab.finish()我们运行python train.py，可以看到下面的进度条即代表训练开始： 训练结果演示详细训练过程请看这里
1.3K10编辑于 2025-01-25- 来自专栏Datawhale专栏
DeepSeek R1 Zero中文复现教程来了！
在介绍下一个文件之前，我们强烈建议大家使用 Swanlab（https://swanlab.cn/） 来可视化追踪实验过程，打开：https://swanlab.cn/login ，登录之后点击图中所示的 参数的数据类""" # 是否使用 SwanLab swanlab: bool # SwanLab 用户名 workspace: str # SwanLab 的项目名 swanlab_args.swanlab: swanlab_callback = SwanLabCallback( workspace=swanlab_args.workspace swanlab: bool # SwanLab 用户名 workspace: str # SwanLab 的项目名 project: str # SwanLab 的实验名 experiment_name: str # Datawhale-R1.yaml # Swanlab 训练流程记录参数 swanlab: true # 是否开启 Swanlab
3.6K20编辑于 2025-02-07 - 来自专栏云同步
ms-swift 微调 internlm3-8b-instruct（论文分类任务）
swift_output/internlm3-8b-lora" # 模型作者 model_author="fei" # 训练后的模型名称 model_name="InternLM3-8B-Lora" # swanlab per_device_train_batch_size 8 \ --learning_rate 1e-4 \ --warmup_ratio 0.1 \ --report_to swanlab \ --swanlab_project $swanlab_project \ --split_dataset_ratio 0 \ --lora_rank 8 \ --lora_alpha SwanLab 是一款开源、轻量的 AI 模型训练跟踪与可视化工具，提供了一个跟踪、记录、比较、和协作实验的平台。 pip install swanlab 3）登录 swanlab 3.1）前往 swanlab 注册 网址：https://swanlab.cn/ 3.2）获取 API Key 3.2）服务器登录 swanlab
62810编辑于 2025-08-01 - 来自专栏LLM
AI-Compass LLM训练框架生态：整合ms-swift、Unsloth、Megatron-LM等核心框架，涵盖全参数/PEFT训练与分布式优化
实验监控提供MLflow、WandB、SwanLab等专业工具。 DeepSpeed-微软1.FairScale-meta1.Horovod1.LLaMA-Factory1.LLaMA-Factory/easy-data1.xtuner-书生浦源1.实验监控1.实验监控/SwanLab1 简介SwanLab是一款开源、现代化设计的深度学习训练跟踪与可视化工具，支持云端/离线使用，适配30+主流AI训练框架。 技术原理SwanLab通过Python API嵌入到机器学习pipeline中，收集训练过程中的指标、超参数、日志等数据。它利用自身的可视化引擎将数据以图表形式展示，方便用户分析。 SwanLab - AGI时代先进模型训练研发工具SwanLab官方文档 | 先进的AI团队协作与模型创新引擎SwanHubX/SwanLab: ⚡️SwanLab - an open-source,
1.3K10编辑于 2025-08-13 - 来自专栏机器之心
重磅！淘天联合爱橙开源强化学习训练框架ROLL，高效支持十亿到千亿参数大模型训练
可观察性：集成了 wandb / swanlab / tensorboard，支持实时跟踪每个领域、每个策略、每个奖励的性能 —— 从高层概况到细粒度诊断。 另外，ROLL 也支持 wandb、swanlab、TensorBoard 等实验可视化方案。更多技术细节请访问原论文。
77310编辑于 2025-06-26 - 来自专栏Datawhale专栏
单卡复现 DeepSeek R1 Zero教程来了！
://github.com/datawhalechina/unlock-deepseek Gitee 国内仓库：https://gitee.com/anine09/unlock-deepseek Swanlab 实验数据：https://swanlab.cn/@Kedreamix/Datawhale-R1-by_Kedreamix/runs/sqxeo1i3v8hgzclm3nwkk 复现文件在 Datawhale-R1
96010编辑于 2025-02-19 从“脸盲”到“火眼金睛”：我用Qwen3.5教会AI看懂春晚同款机器人
更强大的是，平台集成了SwanLab训练追踪，可以直观监控Loss曲线、系统资源等关键信息，让整个训练过程“透明可见”。训练完成后，模型自动保存在文件管理中，路径清晰可查。成果验收：它能认出机器人吗？
13010编辑于 2026-03-09- 来自专栏AI智韵
增量预训练全攻略：用LLama-Factory实现垂直领域模型定制化，算力节省90%的实战秘籍
overwrite_output_dir: true save_only_model: false report_to: none # choices: [none, wandb, tensorboard, swanlab
3.5K10编辑于 2025-05-23 AI-Compass RLHF人类反馈强化学习技术栈：集成TRL、OpenRLHF、veRL等框架，涵盖PPO、DPO算法实现大模型人类价值对齐
训练技巧丰富：提供Padding-free训练、从检查点恢复、并支持Wandb、SwanLab、Mlflow和Tensorboard等训练过程跟踪工具。
1.2K10编辑于 2025-08-13LLaMA Factory 详解
Lora 微调时需要配置的一些特殊参数； RLHF 参数：当训练阶段为强化学习时需要配置的一些特殊参数； 特殊优化参数：当选择使用 GaLore、APOLLO 和 BAdam 优化器时需要配置的一些参数； SwanLab
38310编辑于 2026-01-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号