使用wandb看模型参数

使用wandb进行模型参数的跟踪非常简单。您可以使用`wandb.watch()`函数来自动跟踪您的模型。以下是一个例子：

import wandb
import torch
import torch.nn as nn

# 初始化wandb
wandb.init(project="my_project")

# 创建模型
class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 1)

    def forward(self, x):
        x = self.fc1(x)
        x = torch.relu(x)
        x = self.fc2(x)
        return x

model = MyModel()

# 开始训练前调用wandb.watch()函数
wandb.watch(model)

# 训练模型
for epoch in range(10):
    # ...
    # 训练过程中更新模型参数
    # ...

    # 在训练过程中记录模型参数
    wandb.log({"example_parameter": model.fc1.weight})

wandb.finish()

在这个例子中，我们首先初始化wandb，然后创建一个简单的神经网络模型。接下来，我们调用`wandb.watch()`函数来跟踪模型参数。然后，我们在训练过程中更新模型参数，并使用`wandb.log()`函数记录它们。最后，我们调用`wandb.finish()`函数来结束wandb的记录。