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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0147- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
785
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
433
391
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++
996
1 K
昇腾LLM分布式训练框架
Python
166
197
暂无简介
Dart
983
249
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.14 K
146