Wandb项目v0.19.2版本发布:增强JWT认证与多进程稳定性优化
Wandb是一个流行的机器学习实验跟踪工具,它能够帮助研究人员和工程师记录、可视化和比较机器学习实验的结果。该项目提供了丰富的功能,包括实验管理、超参数调优、模型版本控制等,是机器学习工作流中不可或缺的工具。
JWT认证支持
本次v0.19.2版本新增了对JWT(JSON Web Token)认证的支持。JWT是一种开放标准(RFC 7519),用于在各方之间安全地传输信息作为JSON对象。在wandb-core中集成JWT认证后,用户可以使用更安全、更灵活的身份验证方式来访问wandb服务。
这一改进特别适合企业级应用场景,开发者现在可以:
- 实现基于令牌的无状态认证机制
- 设置自定义的令牌过期时间
- 在分布式系统中更安全地传递认证信息
嵌套自定义图表支持
新版本扩展了可视化功能,增加了对嵌套自定义图表的支持。这意味着用户现在可以创建更复杂、更结构化的可视化展示,将相关图表组织在一起形成层次结构。
例如,在模型评估过程中,开发者可以:
- 将不同指标的分类图表嵌套在一个主图表下
- 创建多层次的比较视图,直观展示模型在不同数据集上的表现
- 构建更专业的分析仪表板,提高结果解读效率
运行模式行为变更
v0.19.2版本调整了"disabled"模式的行为逻辑。现在,调用wandb.init(mode="disabled")只会禁用当前运行,而不会影响后续运行。如果需要全局禁用所有运行,开发者应该使用wandb.setup(settings=wandb.Settings(mode="disabled"))。
这一变更带来了更精细的控制粒度,使得:
- 测试代码时可以更灵活地控制wandb行为
- 在大型项目中能够更精确地管理实验跟踪
- 减少了意外禁用所有运行的风险
多进程稳定性增强
本次更新解决了多个与多进程相关的稳定性问题:
- 修复了使用
multiprocessing从多个进程更新单个运行时的偶发死锁问题 - 改进了停止按钮的行为,现在能够正确中断运行Python主线程中的C代码或睡眠状态
- 优化了Azure Blob Storage大文件上传的可靠性
这些改进使得wandb在分布式训练场景下表现更加稳定,特别是在使用多进程进行模型训练或超参数搜索时。
其他重要修复
- 移除了
wandb.Api().runs()检查时的意外打印输出 - 修复了
wandb offline命令导致的设置验证错误 - 解决了重新初始化运行时的属性访问错误
- 提升了与旧版本botocore的兼容性
- 完善了对无效anonymous设置值的检查
向后兼容性说明
本次更新移除了一些内部API:
wandb.wandb_sdk.wandb_setup._setup()函数的reset参数已被移除- 移除了
wandb.wandb_sdk.wandb_setup模块中的logger和_set_logger符号
开发者应该使用wandb.teardown()替代_setup(reset=True)的功能。这些变更主要影响内部实现,大多数用户不会受到影响。
总结
Wandb v0.19.2版本带来了多项实用改进,特别是在安全认证、可视化功能和系统稳定性方面。这些增强使得wandb在复杂机器学习工作流中的表现更加可靠和灵活。对于使用多进程训练或需要高级认证机制的用户,升级到这个版本将获得显著的体验提升。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-X1-7BSpark-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