Examples (示例)-wandb系统快速入门
如何使用Weights&Biases的一些项目示例、演练和教程。
探索这些示例如何使用Weights&Biases以:
-
跟踪和可视化机器学习实验;
-
版本化数据集和模型
-
使用不同框架如PyTorch、Sciki监测(Instrument)模型
可以从我们的GitHub仓库Fork示例,也可以直接在这里打开示例链接。如果要向列表贡献示例,请联系我们c@wandb.com
W&B入门
描述
|
仪表盘
|
代码
|
跟踪模型性能
|
W&B链接
|
Kaggle内核
|
可视化模型预测
|
W&B链接
|
Kaggle内核
|
保存和恢复模型
|
W&B链接
|
Colab笔记本
|
比较系统指标(Metric)
|
W&B链接
|
|
超参数扫描(Sweeps)
|
W&B链接
|
Colab笔记本
|
PyTorch
描述
|
仪表盘
|
代码
|
带W&B的PyTorch简介
|
W&B仪表盘
|
Colab笔记本
|
PyTorch MNIST Colab
|
W&B仪表盘
|
Colab笔记本
|
着色卷积神经网络(CNN)将灰度图转换为彩图
|
W&B仪表盘
|
Github仓库
|
Yolo-2边界框
|
W&B仪表盘
|
Github 仓库
|
强化学习
|
W&B仪表盘
|
Github仓库
|
char-RNN预测文字
|
W&B仪表盘
|
Github 仓库
|
利用权阈探究ResNets
|
W&B仪表盘
|
Colab笔记本
|
利用权阈探究神经风格迁移论文
|
W&B仪表盘
|
Github 仓库
|
用PyTorch调试神经网络
|
W&B报告
|
GitHub 仓库
|
PyTorch Lightning
|
W&B报告
|
Colab笔记本
|
用PyTorch Lightning做语义分割
|
W&B仪表盘
|
Github 仓库
|
Keras
描述
|
仪表盘
|
代码
|
带W&B的Keras简介
|
W&B仪表盘
|
Colab笔记本
|
带W&B的卷积神经网络(CNN)简介
|
W&B仪表盘
|
Colab笔记本
|
着色卷积神经网络CNN将灰度图转化为彩图
|
W&B仪表盘
|
Github 仓库
|
卷积神经网络(CNN)人脸表情分类器
|
W&B仪表盘
|
Github 仓库
|
用Mask RCNN做语义分割
|
W&B仪表盘
|
Github 仓库
|
在iNaturalist数据上微调CNN
|
W&B仪表盘
|
Github 仓库
|
用U-Net做语义分割
|
W&B仪表盘
|
Github 仓库
|
权重(Weight)初始化对神经网络的影响
|
W&B仪表盘
|
Colab笔记本
|
神经图像生成器可以被检测到吗?
|
W&B仪表盘
|
|
可视化模型预测
|
W&B仪表盘
|
Kaggle 内核
|
跟踪模型性能
|
W&B仪表盘
|
Kaggle 内核
|
在TensorBoard中用权重(Weight)&偏差(Bias)可视化模型
|
W&B仪表盘
|
Colab笔记本
|
使用TPU的权重((Weights)&偏差(Biases)
|
|
Colab笔记本
|
TensorFlow
描述
|
仪表盘
|
代码
|
用GAN预测视频帧
|
W&B仪表盘
|
Github 仓库
|
跟踪TensorFlow模型性能
|
|
Github 仓库
|
TensorFlow分布式训练模型
|
|
Github 仓库
|
Fast.ai
描述
|
仪表盘
|
代码
|
通过fastai使
|
W&B仪表盘
|
Github Repo
|
用WandbCallback
|
权阈指示板
|
Github Repo
|
扫描(Sweeps)
描述
|
公共仪表盘
|
代码
|
带有W&B的扫描(Sweeps
)简介
|
W&B仪表盘
|
Colab笔记本
|
PyTorch扫描:超参数搜索的意义和噪声
|
报告
|
|
在Python脚本中运行扫描
|
|
Github 仓库
|
在MPI框架中使用扫描
|
|
Github 仓库
|
Scikit-learn
描述
|
公共仪表盘
|
代码
|
可视化Scikit模型
|
W&B仪表盘
|
Colab笔记本
|
在XGBoost中使用W&B
|
|
Github 仓库
|
在一个SVM中使用W&B
|
|
Github 仓库
|
应用
标题
|
链接
|
蛋白结构预测
|
报告
|
语义分割在自动驾驶汽车中的应用
|
报告
|
新冠肺炎研究范例
|
报告
|
从视频中获取深度图在自动驾驶汽车中的应用
|
报告
|
权重(Weight)初始化对神经网络的影响
|
报告
|
功能
标题
|
链接
|
集成抱抱脸(HuggingFace)
|