Wandb项目中如何通过Python代码设置折线图Y轴最大值
2025-05-24 15:35:44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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
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
9
1
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
1.03 K
477
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
375
3.21 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258