wandb是一个免费的，用于记录机器学习训练过程数据的工具。具有用户管理，团队管理，项目管理等功能。

• 知乎教程

• Ubuntu or Red Hat
• tmux
• Python3
• pip install -r requirements.txt

该部分的详细教程见：wandb使用教程(一)：基础用法

• 展示训练曲线示例: test_curves.sh
• 展示图片示例: test_images.sh
• 展示视频示例: test_videos.sh
• 展示matplotlib画图示例：test_matplot.sh
• 展示表格示例: test_tables.sh
• 展示多进程group示例: test_multi_process.sh
• 展示html示例: test_html.sh
• PyTorch集成示例: test_pytorch.sh

该部分的详细教程见：wandb使用教程(二)：基于Launchpad实现分布式超参搜索

在机器学习任务中，通常涉及众多超参数，因此需要对这些超参数进行调整。wandb提供了超参数搜索的功能。然而，wandb更多是 提供参数搜索安排和可视化的功能，本身并没有提供分布式能力。因此，这里提供了一个结合Launchpad 和wandb的方式，来进行并行(或者分布式) 的超参数搜索。

注意：由于launchpad没有提供多机的分布式实现，因此如果在多台服务器或者k8s集群上实现 多机并行的超参数搜索，可以考虑使用TLaunch 。

• 基础使用例子: test_sweep.sh，该例子提供了最小的wandb和launchpad结合 使用的例子。
• 为CNN分类任务搜索dropout超参数: test_sweep.sh, 该例子提供一个以MNIST分类任务为基础， 搜索其dropout参数的例子。

wandb还提供了数据和模型备份管理的功能，该部分详细教程见：wandb使用教程(三)：数据与模型管理

• 基础使用例子: test_artifcat.sh，该例子提供了一个备份MNIST训练数据的例子。

wandb还提供了服务器本地部署的功能，该部分详细教程见：wandb使用教程(四)：wandb本地部署

If you use wandb_tutorial in your work, please cite us:

@article{huangshiyu2022wandb,
    title={wandb Tutorial},
    author={Shiyu Huang},
    year={2022},
    howpublished={\url{https://github.com/huangshiyu13/wandb_tutorial}},
}