当前位置: 首页> 汽车> 新车 > 凌云网络科技有限公司_英文网站设计技术服务_百度搜索热词查询_正规网站优化推广

凌云网络科技有限公司_英文网站设计技术服务_百度搜索热词查询_正规网站优化推广

时间:2025/7/10 12:22:11来源:https://blog.csdn.net/SoulmateY/article/details/146280781 浏览次数: 1次
凌云网络科技有限公司_英文网站设计技术服务_百度搜索热词查询_正规网站优化推广

在这里插入图片描述

SwanLab私有化部署版面向所有个人用户免费开放,部署方案基于Docker Compose,能非常轻松地部署在 Windows/MacOS/Linux 机器上,希望能成为各位训练师的独门炼丹利器。

下面我们会介绍一下如何安装私有化部署版。

1. SwanLab介绍

SwanLab 是一个开源、现代化设计的深度学习训练跟踪与可视化工具,常被称为"中国版 Weights & Biases + Tensorboard"。目前SwanLab在Github上已收获 1k+ Star,也借此感谢各位小伙伴的支持。

  • 开始使用:https://swanlab.cn
  • Github:https://github.com/swanhubx/swanlab

在这里插入图片描述

SwanLab同时支持云端和离线使用,并适配了从PyTorch、Transformers、Lightning再到LLaMA Factory、veRL等30多种主流AI训练框架,Python API设计也简洁易上手,能轻松嵌入你的训练代码。

在这里插入图片描述

面向人工智能研究者,SwanLab设计了友好的Python API 和漂亮的UI界面,并提供训练可视化、自动日志记录、超参数记录、实验版本管理与对比、多人协同等功能。在SwanLab上,研究者能基于直观的可视化图表发现训练问题,对比多个实验找到研究灵感,并通过在线网页的分享与基于组织的多人协同训练,打破团队沟通的壁垒,提高组织训练效率。

在这里插入图片描述

SwanLab支持移动端使用,让你在手机上也能实时看到训练进展。同时,SwanLab也是目前唯一支持晟腾NPU等国产卡硬件监控的训练工具。

在这里插入图片描述

以下是SwanLab的一些核心特性:

  1. 📊 ​实验指标与超参数跟踪: 极简的代码嵌入您的机器学习 pipeline,跟踪记录训练关键指标

    • 支持云端使用(类似Weights & Biases),随时随地查看训练进展。
    • 支持超参数记录与表格展示
    • 支持的元数据类型:标量指标、图像、音频、文本、…
    • 支持的图表类型:折线图、媒体图(图像、音频、文本)、…
    • 后台自动记录:日志logging、硬件环境、Git 仓库、Python 环境、Python 库列表、项目运行目录
  2. ⚡️ ​全面的框架集成: PyTorch、 🤗HuggingFace Transformers、⚡️PyTorch Lightning、 🦙LLaMA Factory、MS-Swift、MMDetection、Ultralytics、PaddleDetetion、LightGBM、XGBoost、Keras、Tensorboard、Weights&Biases、OpenAI、XTuner、Stable Baseline3、Hydra 在内的 30+ 框架

  3. 💻 ​硬件监控: 支持实时记录与监控CPU、NPU(昇腾Ascend)、GPU(英伟达Nvidia)、内存的系统级硬件指标

  4. 📦 ​实验管理: 通过专为训练场景设计的集中式仪表板,通过整体视图速览全局,快速管理多个项目与实验

  5. 🆚 ​比较结果: 通过在线表格与对比图表比较不同实验的超参数和结果,挖掘迭代灵感

  6. 👥 ​在线协作: 您可以与团队进行协作式训练,支持将实验实时同步在一个项目下,您可以在线查看团队的训练记录,基于结果发表看法与建议

  7. ✉️ ​分享结果: 复制和发送持久的 URL 来共享每个实验,方便地发送给伙伴,或嵌入到在线笔记中。同时支持邮件、飞书、企业微信、钉钉等消息通知。

  8. 💻 ​支持自托管: 支持离线环境使用,自托管的社区版同样可以查看仪表盘与管理实验

2. 私有化部署流程

  • 安装指南:https://docs.swanlab.cn/guide_cloud/self_host/docker-deploy.html
  • 获取License:在swanlab.cn的「设置」-「账户与许可证」,获取免费License

3. 安装先决条件

在安装 SwanLab 之前,请确保您的机器满足以下最低系统要求:

  • CPU >= 2核
  • 内存 >= 4GB
  • 存储空间 >= 20GB

SwanLab 私有化部署版,需要使用 Docker Compose 进行安装与部署,请根据你的操作系统,对表下面的表格选择正确的Docker及compose版本。

在这里插入图片描述

如果你已经安装了Docker,请跳过这一步。

4. 开始安装

1. 克隆仓库

使用Git克隆 self-hosted 仓库:

git clone https://github.com/SwanHubX/self-hosted.git
cd self-hosted

2. 一键脚本安装

如果你是Windows系统,请开启WSL2进行安装

默认的安装脚本在 docker/install.sh ,直接执行即可一键安装所有需要的容器以及执行初始化配置。

cd ./docker
./install.sh

默认脚本链接的镜像源在中国,所以中国地区的下载速度非常快!

如果你需要使用 DockerHub 作为镜像源,则可以使用下面的脚本进行安装:

./install-dockerhub.sh

5. 激活主账号

SwanLab社区版默认会使用8000端口,如果你使用的是默认配置,那么可以直接访问: http://localhost:8000 ,就可以访问到SwanLab社区版。

也有可能社区版部署在了其他端口,请打开 Docker Desktop,找到traefik容器旁边的port映射,比如64703:80,那么你应该访问http://localhost:64703。

在这里插入图片描述

现在,你需要激活你的主账号。激活需要1个License,个人使用可以免费在SwanLab官网申请一个,位置在 「设置」-「账户与许可证」。

在这里插入图片描述

拿到License后,回到激活页面,填写用户名、密码、确认密码和License,点击激活即可完成创建。

在这里插入图片描述

6. 开始你的第一个实验

在Python SDK完成登录:

swanlab login --host <IP地址>

如果你之前登录过swanlab,想要重新登录,请使用:

swanlab login --host <IP地址> --relogin

按回车,填写API Key,完成登录。之后你的SwanLab实验将会默认传到私有化部署的SwanLab上。

测试脚本:

import swanlab
import random# 创建一个SwanLab项目
swanlab.init(# 设置项目名project="my-awesome-project",# 设置超参数config={"learning_rate": 0.02,"architecture": "CNN","dataset": "CIFAR-100","epochs": 10}
)# 模拟一次训练
epochs = 10
offset = random.random() / 5
for epoch in range(2, epochs):acc = 1 - 2 ** -epoch - random.random() / epoch - offsetloss = 2 ** -epoch + random.random() / epoch + offset# 记录训练指标swanlab.log({"acc": acc, "loss": loss})# [可选] 完成训练,这在notebook环境中是必要的
swanlab.finish()

运行后在网页查看实验:

在这里插入图片描述

至此,你就完成了私有化部署的全流程!

  • 开始使用:https://swanlab.cn
  • Github:https://github.com/swanhubx/swanlab
  • 官方文档:https://docs.swanlab.cn
关键字:凌云网络科技有限公司_英文网站设计技术服务_百度搜索热词查询_正规网站优化推广

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: