如何防止 Weights & Biases 保存不必要的参数

Question

我正在使用权重和偏差（链接）来管理超参数优化并记录结果。 我正在使用带有 Tensorflow 后端的 Keras 进行训练，我正在使用 Weights & Biases 的开箱即用的日志记录功能，我在其中运行

wandb.init(project='project_name', entity='username', config=config)

然后将WandbCallback()添加到classifier.fit() () 的回调中。 默认情况下，Weights & Biases 似乎保存了 model 个参数（即模型的权重和偏差）并将它们存储在云端。 这耗尽了我帐户的存储配额，这是不必要的——我只关心跟踪 model 损失/准确度作为超参数的 function。

我是否可以训练 model 并使用权重和偏差记录损失和准确性，但不将 model 参数存储在云端？ 我怎样才能做到这一点？

Answer 1

为了在超参数优化期间不保存经过训练的 model 权重，您可以执行以下操作：

classifier.fit(..., callbacks=[WandbCallback(.., save_model=False)]

这只会跟踪指标（训练/验证损失/acc 等）。