Wandb项目中如何通过Python代码设置折线图Y轴最大值
2025-05-24 01:05:43作者:幸俭卉
在机器学习实验跟踪工具Wandb的使用过程中,数据可视化是一个非常重要的功能。本文将详细介绍如何通过Python代码设置折线图Y轴的最大值,帮助开发者更好地控制数据展示范围。
问题背景
在Wandb的可视化面板中,用户经常需要调整折线图的Y轴范围以获得更好的数据展示效果。虽然可以通过网页界面手动调整,但在自动化实验流程中,能够通过代码预设这些参数会更加高效。
解决方案
Wandb提供了程序化工作区(programmatic workspaces)功能,允许开发者通过Python代码配置各种可视化参数。对于折线图Y轴范围的设置,可以使用range_y参数:
wr.LinePlot(range_y=(min_value, max_value))
完整示例代码
以下是一个完整的示例,展示如何创建Wandb项目、记录数据并设置折线图的Y轴范围:
import wandb
import wandb_workspaces.workspaces as ws
import wandb_workspaces.reports.v2 as wr
from datetime import datetime, timezone
# 初始化Wandb
wandb.login()
# 创建项目并记录数据
def create_project_and_log_data():
with wandb.init(project="MyProject") as run:
for step in range(100):
wandb.log({
"Step": step,
"val_loss": 1.0 / (step + 1),
"val_accuracy": step / 100.0,
"train_loss": 1.0 / (step + 2),
"train_accuracy": step / 110.0,
})
return "MyProject"
project = create_project_and_log_data()
entity = wandb.Api().default_entity
# 创建工作区并设置Y轴范围
def create_workspace_with_y_range(entity, project):
workspace = ws.Workspace(name="Custom Y Range Workspace",
entity=entity,
project=project)
workspace.sections = [
ws.Section(
name="Loss Section",
panels=[
wr.LinePlot(x="Step", y=["train_loss"], range_y=(0.0, 1.0)),
wr.LinePlot(x="Step", y=["val_loss"], range_y=(0.0, 1.0)),
]
),
ws.Section(
name="Accuracy Section",
panels=[
wr.LinePlot(x="Step", y=["train_accuracy"], range_y=(0.0, 1.0)),
wr.LinePlot(x="Step", y=["val_accuracy"], range_y=(0.0, 1.0)),
]
),
]
workspace.save()
create_workspace_with_y_range(entity, project)
技术细节
-
range_y参数:该参数接受一个包含最小值和最大值的元组,用于固定Y轴的显示范围。
-
工作区配置:通过
Workspace和Section类可以构建复杂的可视化面板布局。 -
数据类型支持:此方法适用于各种数值型数据,包括损失值、准确率等常见指标。
注意事项
-
确保使用的Wandb库版本支持程序化工作区功能。
-
设置的范围应合理包含数据的实际范围,否则可能导致数据点显示不全。
-
对于多曲线图表,设置的Y轴范围应能容纳所有曲线的数据范围。
通过这种方法,开发者可以在实验脚本中预设可视化参数,实现完全自动化的实验跟踪和结果展示流程。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
405
暂无简介
Dart
772
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355