* 실험관리
=> 하이퍼파라미터에 대한 정보관리가 필요.
=> 학습 시킨 데이터에 대한 정보관리가 필요.
=> metric 정보관리가 필요.
개인적으로 사용하기에는 Weights & Biases 로 실험관리 하면 편리.
(각 모델의 성능 시각화, 빠른 통합, 웹 상 접근 용이, 학습 시각화, 모델 재연 가능, GPU 사용률 트래킹 등등의 기능 제공)
상세한 사용법은 링크로 추가! 나중에 실무하다 모를때마다 참고하면 좋을 듯 하다.
1) 깃허브
https://github.com/wandb/tutorial
GitHub - wandb/tutorial: Weights & Biases Tutorial
Weights & Biases Tutorial. Contribute to wandb/tutorial development by creating an account on GitHub.
github.com
2) 코랩
Intro_to_Weights_&_Biases.ipynb
Run, share, and edit Python notebooks
colab.research.google.com
3) 공식문서
Weights & Biases - Documentation
Weights & Biases is the machine learning platform for developers to build better models faster. Use W&B's lightweight, interoperable tools to quickly track experiments, version and iterate on datasets, evaluate model performance, reproduce models, visualiz
docs.wandb.ai
'스터디 > AI' 카테고리의 다른 글
| [실무] 코드관리 (0) | 2023.02.23 |
|---|---|
| [실무] ML Hyperparameter Optimization (1) | 2023.02.23 |
| [실무] ML(머신러닝) 실무노트 (0) | 2023.02.16 |
| [Imple] 텐서플로우 분산학습 (0) | 2023.02.15 |
| [Imple] 텐서플로우 라이트(TensorFlow Lite) (0) | 2023.02.14 |