dvclive 3.48.0
pip安装dvclive
最新版本
发布时间：
ML项目的实验记录器。
导航
未验证详情
这些详情 尚未 由PyPI验证项目链接
元数据
- 许可证： Apache License 2.0
- 作者： Iterative
- 维护者： Iterative
- 标签 ai, metrics, collaboration, data-science, data-version-control, developer-tools, git, machine-learning, reproducibility
- 需求： Python >=3.9
-
提供额外功能：
all,dev,fastai,huggingface,image,lgbm,lightning,markdown,mmcv,optuna,plots,sklearn,tests,tf,xgb
分类器
项目描述
DVCLive
DVCLive是一个Python库，用于以简单文件格式记录机器学习指标和其他元数据，与DVC完全兼容。
文档
快速入门
| Python API概述 | PyTorch Lightning | Scikit-learn | Ultralytics YOLO v8 |
|---|---|---|---|
 |
|
|
|
安装 dvclive
$ pip install dvclive
初始化DVC仓库
$ git init
$ dvc init
$ git commit -m "DVC init"
示例代码
将以下片段复制到 train.py 中，以获取基本 API 使用示例
import time
import random
from dvclive import Live
params = {"learning_rate": 0.002, "optimizer": "Adam", "epochs": 20}
with Live() as live:
# log a parameters
for param in params:
live.log_param(param, params[param])
# simulate training
offset = random.uniform(0.2, 0.1)
for epoch in range(1, params["epochs"]):
fuzz = random.uniform(0.01, 0.1)
accuracy = 1 - (2 ** - epoch) - fuzz - offset
loss = (2 ** - epoch) + fuzz + offset
# log metrics to studio
live.log_metric("accuracy", accuracy)
live.log_metric("loss", loss)
live.next_step()
time.sleep(0.2)
有关使用 DVCLive 与不同机器学习框架的示例，请参阅 集成。
运行
运行几次以模拟多个实验
$ python train.py
$ python train.py
$ python train.py
...
比较
DVCLive 输出可以以不同的方式呈现
DVC 命令行界面
您可以使用 dvc exp show 和 dvc plots 来比较和可视化实验中的指标、参数和图表
$ dvc exp show
─────────────────────────────────────────────────────────────────────────────────────────────────────────────
Experiment Created train.accuracy train.loss val.accuracy val.loss step epochs
─────────────────────────────────────────────────────────────────────────────────────────────────────────────
workspace - 6.0109 0.23311 6.062 0.24321 6 7
master 08:50 PM - - - - - -
├── 4475845 [aulic-chiv] 08:56 PM 6.0109 0.23311 6.062 0.24321 6 7
├── 7d4cef7 [yarer-tods] 08:56 PM 4.8551 0.82012 4.5555 0.033533 4 5
└── d503f8e [curst-chad] 08:56 PM 4.9768 0.070585 4.0773 0.46639 4 5
─────────────────────────────────────────────────────────────────────────────────────────────────────────────
$ dvc plots diff $(dvc exp list --names-only) --open
DVC for VS Code 扩展
在 DVC for VS Code 扩展 中，您可以使用 实验 和 图表 视图来比较和可视化结果
当实验正在运行时，这两个视图都会显示实时更新。
DVC Studio
如果您将结果推送到 DVC Studio，则可以比较实验与整个仓库历史记录
您可以启用 Studio Live Experiments 以在实验运行时查看实时更新。
与相关技术的比较
DVCLive 是一个 ML 记录器，类似于
与这些 ML 记录器 的主要区别是
- DVCLive 不需要 任何额外的服务或服务器即可运行。
- DVCLive 的指标、参数和图表以 纯文本文件 的形式存储，这些文件可以使用 Git 等工具进行版本控制，或作为指向 DVC 存储中文件的指针进行跟踪。
- DVCLive 可以将实验或运行保存为 隐藏 Git 提交。
然后，您可以使用不同的 选项 来可视化实验中的指标、参数和图表。
贡献
欢迎贡献。要了解更多信息，请参阅 贡献指南。
许可协议
在 Apache 2.0 许可协议 下分发，dvclive 是免费且开源的软件。
项目详情
未验证详情
这些详情 尚未 由PyPI验证项目链接
元数据
- 许可证： Apache License 2.0
- 作者： Iterative
- 维护者： Iterative
- 标签 ai, metrics, collaboration, data-science, data-version-control, developer-tools, git, machine-learning, reproducibility
- 需求： Python >=3.9
-
提供额外功能：
all,dev,fastai,huggingface,image,lgbm,lightning,markdown,mmcv,optuna,plots,sklearn,tests,tf,xgb
分类器
关闭
dvclive-3.48.0.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 42434660f16b88c8931e625da010c9cdabf2b0d8d11173b81ed1d976c4b7fb0a |
|
| MD5 | 85e39ede60469eb3c7a968b040de3e3e |
|
| BLAKE2b-256 | e391d6cf2ccceaa063b988809ab4fa33846e6ee811ef146b573dadc1c9fb0a0f |
关闭
dvclive-3.48.0-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 6625b9eac49322165877a95696db8934d190d89fadf53294c471d2584b322879 |
|
| MD5 | 702beeffe609317b257dd4f38a805c79 |
|
| BLAKE2b-256 | df8696f6a2383e94b90b97b7920c4a1831a8858a5bfd1a08ac3bd8e2626e7bd1 |
