SwanLab私有化摆设教程！

SwanLab私有化摆设版面向全部个人用户免费开放，摆设方案基于Docker Compose，能非常轻松地摆设在 Windows/MacOS/Linux 呆板上，盼望能成为各位练习师的独门炼丹利器。
下面我们会先容一下怎样安装私有化摆设版。
1. SwanLab先容

SwanLab 是一个开源、今世化计划的深度学习练习跟踪与可视化工具，常被称为"中国版 Weights & Biases + Tensorboard"。现在SwanLab在Github上已劳绩 1k+ Star，也借此感谢各位小同伴的支持。

• 开始利用：https://swanlab.cn
  
• Github：https://github.com/swanhubx/swanlab
  

SwanLab同时支持云端和离线利用，并适配了从PyTorch、Transformers、Lightning再到LLaMA Factory、veRL等30多种主流AI练习框架，Python API计划也简便易上手，能轻松嵌入你的练习代码。

面向人工智能研究者，SwanLab计划了友好的Python API 和漂亮的UI界面，并提供练习可视化、自动日志纪录、超参数纪录、实验版本管理与对比、多人协划一功能。在SwanLab上，研究者能基于直观的可视化图表发现练习题目，对比多个实验找到研究灵感，并通过在线网页的分享与基于构造的多人协同练习，冲破团队沟通的壁垒，进步构造练习服从。

SwanLab支持移动端利用，让你在手机上也能实时看到练习希望。同时，SwanLab也是现在唯一支持晟腾NPU等国产卡硬件监控的练习工具。

以下是SwanLab的一些焦点特性：

• 📊 ​实验指标与超参数跟踪: 极简的代码嵌入您的呆板学习 pipeline，跟踪纪录练习关键指标
  
  
  
  • 支持云端利用（类似Weights & Biases），随时随地查察练习希望。
    
  • 支持超参数纪录与表格展示
    
  • 支持的元数据范例：标量指标、图像、音频、文本、…
    
  • 支持的图表范例：折线图、媒体图（图像、音频、文本）、…
    
  • 背景自动纪录：日志logging、硬件情况、Git 堆栈、Python 情况、Python 库列表、项目运行目次
    
  
  
• ⚡️ ​全面的框架集成: PyTorch、 🤗HuggingFace Transformers、⚡️PyTorch Lightning、 🦙LLaMA Factory、MS-Swift、MMDetection、Ultralytics、PaddleDetetion、LightGBM、XGBoost、Keras、Tensorboard、Weights&Biases、OpenAI、XTuner、Stable Baseline3、Hydra 在内的 30+ 框架
  
• 💻 ​硬件监控: 支持实时纪录与监控CPU、NPU（昇腾Ascend）、GPU（英伟达Nvidia）、内存的体系级硬件指标
  
• 📦 ​实验管理: 通过专为练习场景计划的会合式仪表板，通过团体视图速览全局，快速管理多个项目与实验
  
• 🆚 ​比力结果: 通过在线表格与对比图表比力差异实验的超参数和结果，发掘迭代灵感
  
• 👥 ​在线协作: 您可以与团队举行协作式练习，支持将实验实时同步在一个项目下，您可以在线查察团队的练习纪录，基于结果发表见解与发起
  
• ✉️ ​分享结果: 复制和发送长期的 URL 来共享每个实验，方便地发送给同伴，或嵌入到在线条记中。同时支持邮件、飞书、企业微信、钉钉等消息关照。
  
• 💻 ​支持自托管: 支持离线情况利用，自托管的社区版同样可以查察仪表盘与管理实验
  

2. 私有化摆设流程

• 安装指南：https://docs.swanlab.cn/guide_cloud/self_host/docker-deploy.html
  
• 获取License：在swanlab.cn的「设置」-「账户与允许证」，获取免费License
  

3. 安装先决条件

在安装 SwanLab 之前，请确保您的呆板满意以下最低体系要求：

• CPU >= 2核
  
• 内存 >= 4GB
  
• 存储空间 >= 20GB
  

SwanLab 私有化摆设版，须要利用 Docker Compose 举行安装与摆设，请根据你的操纵体系，对表下面的表格选择正确的Docker及compose版本。

假如你已经安装了Docker，请跳过这一步。
4. 开始安装

1. 克隆堆栈

利用Git克隆 self-hosted 堆栈：

1. git clone https://github.com/SwanHubX/self-hosted.git
2. cd self-hosted

复制代码

2. 一键脚本安装

假如你是Windows体系，请开启WSL2举行安装
默认的安装脚本在 docker/install.sh ，直接实验即可一键安装全部须要的容器以及实验初始化设置。

1. cd ./docker
2. ./install.sh

复制代码

默认脚本链接的镜像源在中国，以是中国地区的下载速率非常快！
假如你须要利用 DockerHub 作为镜像源，则可以利用下面的脚本举行安装：

1. ./install-dockerhub.sh

复制代码

5. 激活主账号

SwanLab社区版默认会利用8000端口，假如你利用的是默认设置，那么可以直接访问： http://localhost:8000 ，就可以访问到SwanLab社区版。
也有大概社区版摆设在了其他端口，请打开 Docker Desktop，找到traefik容器旁边的port映射，好比64703:80，那么你应该访问http://localhost:64703。

现在，你须要激活你的主账号。激活须要1个License，个人利用可以免费在SwanLab官网申请一个，位置在 「设置」-「账户与允许证」。

拿到License后，回到激活页面，填写用户名、暗码、确认暗码和License，点击激活即可完成创建。

6. 开始你的第一个实验

在Python SDK完成登录：

1. swanlab login --host <IP地址>

复制代码

假如你之前登录过swanlab，想要重新登录，请利用：

1. swanlab login --host <IP地址>
2. --relogin

复制代码

按回车，填写API Key，完成登录。之后你的SwanLab实验将会默认传到私有化摆设的SwanLab上。
测试脚本：

1. import swanlab
2. import random
4. # 创建一个SwanLab项目
5. swanlab.init(
6.     # 设置项目名
7.     project="my-awesome-project",
8.    
9.     # 设置超参数
10.     config={
11.         "learning_rate": 0.02,
12.         "architecture": "CNN",
13.         "dataset": "CIFAR-100",
14.         "epochs": 10
15.     }
16. )
18. # 模拟一次训练
19. epochs = 10
20. offset = random.random() / 5
21. for epoch in range(2, epochs):
22.   acc = 1 - 2 ** -epoch - random.random() / epoch - offset
23.   loss = 2 ** -epoch + random.random() / epoch + offset
25.   # 记录训练指标
26.   swanlab.log({"acc": acc, "loss": loss})
28. # [可选] 完成训练，这在notebook环境中是必要的
29. swanlab.finish()

复制代码

运行后在网页查察实验：

至此，你就完成了私有化摆设的全流程！

• 开始利用：https://swanlab.cn
  
• Github：https://github.com/swanhubx/swanlab
  
• 官方文档：https://docs.swanlab.cn