ResNet训练可视化

环境安装

需要安装以下内容：

torch
gradio
swanlab

本文的代码测试于torch==2.2.2、swanlab==0.3.0，更多库版本可查看SwanLab记录的Python环境

下载数据集

# 导入数据
train_data = torchvision.datasets.CIFAR10("./datas",
                                          train=True,
                                          download=True,
                                          transform=torchvision.transforms.ToTensor())
test_data = torchvision.datasets.CIFAR10("./datas",
                                         train=False,
                                         download=True,
                                         transform=torchvision.transforms.ToTensor())
train_len = len(train_data)
val_len = len(test_data)
print("训练数据集合{} = 50000".format(train_len))
print("测试数据集合{} = 10000".format(val_len))

使用swanlab可视化结果

# 可视化部署
swanlab.init(
    project="ResNet",
    experiment_name="epoch-100",
    workspace=None,
    description="基于BERT的问答模型",
    config={'epochs': args.epochs, 'learning_rate': args.lr},  # 通过config参数保存输入或超参数
    logdir="./logs",  # 指定日志文件的保存路径
)

训练

训练过程可视化：BERT-QA-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。