Weights & Biases

Weights & Biases （Weights & Biases ，通常缩写为 W&B 或 WandB）是一个著名的开发人员优先平台，旨在 简化 机器学习操作（MLOps）的著名平台。它是机器学习工程师和数据科学家的集中记录系统，使他们能够 track 实验、可视化模型性能并管理数据集。在复杂的机器学习（ML）生命周期中 在复杂的机器学习（ML）生命周期中，track 每个 在复杂的机器学习（ML）生命周期中，跟踪每一个配置变化和结果都很困难。 解决了这个问题。这样，团队就可以比较不同的训练运行，确保可重复性，并 在从学术研究到企业规模的项目中进行有效协作。 计算机视觉 (CV)部署等项目上进行有效协作。

区分平台与概念

要了解该工具，必须将其与它所命名的基本 神经网络 (NN)概念的区别。

• Weights & Biases （平台）：这是指软件服务和库，作为一个 综合实验跟踪工具。它与 流行的框架集成在一起，用于监控训练过程、管理系统资源和存储模型工件。
• 权重（参数）：在深度学习中、 模型权重是可学习的系数，用于在网络层中转换输入数据。 在网络层中转换输入数据的可学习系数。它们决定了神经元之间的连接强度。
• 偏差（参数）：这些是额外的可学习值，允许 激活函数左移或右移。 右移，通过提供偏移量帮助模型更好地贴合数据。

参数weights and biases）是在训练过程中通过随机梯度下降（SGD）优化的数学成分。 随机梯度下降法（SGD）进行优化、 平台Weights & Biases）是用于观察和分析优化过程的工具。

主要功能和应用

W&B 平台提供了一整套工具，以应对人工智能（AI）开发过程中的特定挑战。 人工智能 (AI) 工作流程中的具体挑战。

• 实验跟踪：开发人员可以记录动态指标，如随着时间推移的 损失函数和准确率等动态指标。这有助于 识别过拟合等问题。 过度拟合，即模型学习训练数据的效果太好，但却无法泛化。
• 超参数调整：为模型找到最佳配置，如 学习率 批量大小或网络架构等模型的最佳配置。 使用W&B Sweeps，可自动搜索最佳值。 值。
• 数据和模型版本化：通过 W&B 工件，团队可以track 其数据和已保存模型的世系。 和保存的模型。这就确保了任何结果都可以通过检索所使用的训练数据和代码的准确版本来重现。 训练数据和使用的代码。
• 交互式可视化：该平台可渲染富媒体，允许用户查看图像上的预测 图像上的边界框或叠加分割 遮罩，从而促进更好的 数据可视化和调试。

真实世界集成示例

Weights & Biases 》广泛应用于需要严格模型验证和协作开发的行业。

• 汽车物体探测：开发自动驾驶技术的团队可能会使用 Ultralytics YOLO11来detect 行人和车辆。通过 通过集成 W&B，他们可以可视化 验证数据预测 历时。这样，他们就能发现特定的故障情况、 例如在弱光条件下漏检，并相应地调整他们的 数据增强策略。
• 医学图像分析：研究 人工智能在医疗保健领域的应用 在训练肿瘤检测模型时精确记录实验日志。鉴于该领域的关键性质，W&B 利用模型监控工具来track 召回率和 精确度等指标，对于遵守法规和确保患者安全至关重要。 确保患者安全至关重要。

利用Ultralytics实施 W&B

将 "Weights & Biases 与现代框架（如 PyTorch等现代框架或Ultralytics 等特定库的整合是 简单明了。该库可自动检测 W&B 的存在并记录关键指标，无需大量的 模板代码。

下面的示例演示了如何训练YOLO11 模型，同时将运行情况自动记录到 Weights & Biases 中。 偏差。确保您已运行 pip install wandb 并通过 wandb login 在 运行脚本前，请在终端中

from ultralytics import YOLO

# Initialize the YOLO11 model using pre-trained weights
model = YOLO("yolo11n.pt")

# Train the model on the COCO8 dataset
# If 'wandb' is installed and logged in, training metrics are automatically
# uploaded to the Weights & Biases dashboard.
results = model.train(data="coco8.yaml", epochs=5, project="Ultralytics-WandB-Demo", name="yolo11-experiment")

这种集成可获取系统指标，例如 GPU和模型指标、 提供训练性能的全面视图。如需深入了解，用户可以查看 Ultralytics 集成指南，自定义 记录内容。