太酷了！一款强大的机器学习可视化IDE( 二 ) 专注Python、AI、大数据

要替换成你自己的API Keys 。
训练脚本
到此为止，工具层面的配置已经完成了，你需要的就是准备好你的训练脚本。
训练脚本的准备和正常情况完全一样，像导入其他工具包一样导入wandb ，在wandb可以定义配置参数、dropout、日志监控等。
这里，给一个简单的示例，写一个名为train.py的脚本：
# Init wandbimport wandbwandb.init(project="demo")# Model instantiation code ...# Log metrics with wandb for _ in range(num_epochs):train_model()loss = calulate_loss()wandb.log({"Loss": loss})# Save model to wandbnp.save("weights", weights)wandb.save("weights.npy")可以发现，它和Tensorboard的使用有一些相通之处，直接可以在代码中定义初始化、上传日志、保持模型。
开始训练
工具配置完了，训练脚本也准备完了，下面开始训练模型即可。
$ python train.py【太酷了！一款强大的机器学习可视化IDE】这些步骤都是在本地终端下完成的，一定不要忘记前面第3步，用API Keys登录。
这样的话，执行训练之后，它会在网页端wandb项目管理界面自动添加一个对应的项目，点击进入这个项目，就可以看到看板、报告等内容。