DVCLive

DVCLive是一个Python库，用于以简单文件格式记录机器学习指标和其他元数据，完全兼容DVC。

文档

• 入门
• 工作原理
• API参考
• 集成

---

快速入门

Python API概览	PyTorch Lightning	Scikit-learn	Ultralytics YOLO v8
<a href="https://colab.research.google.com/github/iterative/dvclive/blob/main/examples/DVCLive-Quickstart.ipynb"><img src="https://yellow-cdn.veclightyear.com/835a84d5/414d7b65-5332-432f-a605-66b5a6548a7a.svg" /></a>	<a href="https://colab.research.google.com/github/iterative/dvclive/blob/main/examples/DVCLive-PyTorch-Lightning.ipynb"><img src="https://yellow-cdn.veclightyear.com/835a84d5/414d7b65-5332-432f-a605-66b5a6548a7a.svg" /></a>	<a href="https://colab.research.google.com/github/iterative/dvclive/blob/main/examples/DVCLive-scikit-learn.ipynb"><img src="https://yellow-cdn.veclightyear.com/835a84d5/414d7b65-5332-432f-a605-66b5a6548a7a.svg" /></a>	<a href="https://colab.research.google.com/github/iterative/dvclive/blob/main/examples/DVCLive-YOLO.ipynb"><img src="https://yellow-cdn.veclightyear.com/835a84d5/414d7b65-5332-432f-a605-66b5a6548a7a.svg" /></a>

安装 dvclive

$ pip install dvclive

初始化DVC仓库

$ git init
$ dvc init
$ git commit -m "DVC init"

示例代码

将以下代码片段复制到train.py中，作为基本API使用示例：

import time
import random

from dvclive import Live

params = {"learning_rate": 0.002, "optimizer": "Adam", "epochs": 20}

with Live() as live:

    # 记录参数
    for param in params:
        live.log_param(param, params[param])

    # 模拟训练
    offset = random.uniform(0.2, 0.1)
    for epoch in range(1, params["epochs"]):
        fuzz = random.uniform(0.01, 0.1)
        accuracy = 1 - (2 ** - epoch) - fuzz - offset
        loss = (2 ** - epoch) + fuzz + offset

        # 将指标记录到studio
        live.log_metric("accuracy", accuracy)
        live.log_metric("loss", loss)
        live.next_step()
        time.sleep(0.2)

查看集成以了解使用DVCLive与不同ML框架集成的示例。

运行

多次运行以模拟多个实验：

$ python train.py
$ python train.py
$ python train.py
...

比较

DVCLive的输出可以通过不同方式呈现：

DVC命令行界面

你可以使用dvc exp show和dvc plots来比较和可视化跨实验的指标、参数和图表：

$ dvc exp show

─────────────────────────────────────────────────────────────────────────────────────────────────────────────
实验                       创建时间    train.accuracy   train.loss   val.accuracy   val.loss   step   epochs
─────────────────────────────────────────────────────────────────────────────────────────────────────────────
workspace                  -                  6.0109      0.23311          6.062    0.24321      6   7
master                     20:50                   -            -              -          -      -   -
├── 4475845 [aulic-chiv]   20:56              6.0109      0.23311          6.062    0.24321      6   7
├── 7d4cef7 [yarer-tods]   20:56              4.8551      0.82012         4.5555   0.033533      4   5
└── d503f8e [curst-chad]   20:56              4.9768     0.070585         4.0773    0.46639      4   5
─────────────────────────────────────────────────────────────────────────────────────────────────────────────

$ dvc plots diff $(dvc exp list --names-only) --open

VS Code的DVC扩展

在VS Code的DVC扩展中，你可以使用实验和图表视图来比较和可视化结果：

在实验运行期间，两个视图都会显示实时更新。

DVC Studio

如果你将结果推送到DVC Studio，你可以将实验与整个仓库历史进行比较：

你可以启用Studio实时实验以在实验运行时查看实时更新。

---

与相关技术的比较

DVCLive是一个ML记录器，类似于：

• MLFlow
• Weights & Biases
• Neptune

与这些ML记录器的主要区别是：

• DVCLive不需要任何额外的服务或服务器来运行。
• DVCLive的指标、参数和图表以纯文本文件形式存储，可以被Git等工具版本控制，或作为DVC存储中文件的指针进行跟踪。
• DVCLive可以将实验或运行保存为隐藏的Git提交。

然后，你可以使用不同的选项来可视化跨实验的指标、参数和图表。

---

贡献

非常欢迎贡献。要了解更多信息，请参阅贡献者指南。

许可证

dvclive根据Apache 2.0许可证的条款分发，是自由和开源软件。