欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://spike.blog.csdn.net/article/details/132227253

WandB (Weights & Biases) 是在线的模型训练可视化工具，可以帮助跟踪机器学习项目，记录运行中的超参数和输出指标，可视化结果并共享结果，支持多种深度学习框架，如 PyTorch、TensorFlow、Keras 等，也可以与 AWS、GCP、Kubernetes、Azure等云平台配合使用。

WandB：https://wandb.ai/，注册即可使用。

统计已运行 epoch 数量，预估训练时间，查看 WandB，支持选择 epoch 或 step 或 trainer/global_step 等维度进行查看。

1. 时间计算

例如，运行时间 26h：

kubectl get podstrain-20230808-worker-0   1/1     Running   0          26h
train-20230808-worker-1   1/1     Running   0          26h

单步 step 运行时间，10 个 step，耗时1 min 20 s，80s / 10 = 8s，即 8 s/step 计算：

[1,1]<stderr>:2023-08-10 03:30:58,157 INFO 40 [train_openfold.py:206] step=11450
[1,0]<stderr>:2023-08-10 03:30:58,191 INFO 40 [train_openfold.py:206] step=11450
[1,0]<stderr>:2023-08-10 03:32:18,548 INFO 40 [train_openfold.py:206] step=11460
[1,1]<stderr>:2023-08-10 03:32:18,708 INFO 40 [train_openfold.py:206] step=11460

每个 epoch 需要训练 train_epoch_len=5000 个 step，2 个并行，即每个 epoch 耗时：

(5000 / 2) * 8 = 20000s
20000s / 3600s = 5.5h

那么累计运行，约 26h / 5.5h = 4.7 epoch，约 4~5 个 epoch 点，符合预期，即：

2. 步数计算

累计运行 step 是 11460 步，2卡并行合计，即：

11460 * 2 = 22920

每 5000 步是 1个 epoch，则绘制的点数是 4 个点，即：

22920 / 5000 = 4.5

3. WandB 配置

在日志中，查看 WandB 配置：

cat train_20230808.log | grep wandb

配置 WandB 在线，命令如下：

wandb online
# key 来自于官网注册
wandb login --relogin --cloud [your key]

信息中包括 2 个日志，同时进行缓存，1个是机器信息，1个是训练信息，即：

[1,0]<stderr>:wandb: Tracking run with wandb version 0.12.21
[1,0]<stderr>:wandb: Run data is saved locally in wandb/run-20230809_012556-2007pb1b
[1,0]<stderr>:wandb: Run `wandb offline` to turn off syncing.
[1,0]<stderr>:wandb: Syncing run dandy-pine-11
[1,0]<stderr>:wandb: ⭐️ View project at https://wandb.ai/[project]
[1,0]<stderr>:wandb: 🚀 View run at https://wandb.ai/[project]/runs/2007pb1b

4. 手动上传日志

遇到网络异常，即显示：

[1,0]<stderr>:wandb: Network error (ConnectTimeout), entering retry loop.
[1,1]<stderr>:wandb: Network error (ReadTimeout), entering retry loop.

则需要手动上传日志，找到日志中的 saved 地址，使用 sync 命令，同步日志，即：

[1,0]<stderr>:wandb: Run data is saved locally in wandb/run-20230809_012556-2007pb1bwandb sync wandb/run-20230809_012556-2007pb1b

日志访问路径，即：

[1,0]<stderr>:wandb: 🚀 View run at https://wandb.ai/[project]/runs/2007pb1b

再刷新网页，即可显示。