init中的參數的作用

• project：整個實驗的名字；

• experiment_name：在這個實驗中，你的名字是什么；

  • 比如說現在我們要進行對比實驗，PEAN和Triflownet分別是對比方法的名字，這樣的好處是，她們可以出現在一樣的圖中直接進行對比；

• config：關于這個實驗，你需要標記的參數名字，如：

  

給相同屬性的變量分組

如：

# 記錄epoch指標到SwanLabswanlab.log({"loss/avg_train_loss": avg_train_loss,"accuracy/avg_train_accuracy": avg_train_acc,"loss/avg_dev_loss": dev_loss,"accuracy/avg_dev_accuracy": dev_acc,"learning_rate": optimizer.param_groups[0]['lr'],"epoch_time": epoch_time})

如果都是loss就都分到loss組，效果如下，這樣看起來不會那么混亂：

不同模型方法對比實驗

• project：整個實驗的名字；

• experiment_name：相應模型的名字；

• config：關于這個實驗，你需要標記的參數名字；

• swanlab.log：

   swanlab.log({"loss/avg_train_loss": avg_train_loss,"accuracy/avg_train_accuracy": avg_train_acc,"loss/avg_dev_loss": dev_loss,"accuracy/avg_dev_accuracy": dev_acc,"learning_rate": optimizer.param_groups[0]['lr'],"epoch_time": epoch_time})
  

  其中每個參數都會產生一個圖，如：avg_train_loss，圖中有每個方法的折線，可以清晰展示不同方法之間的區別；