如何防止 Weights & Biases 保存不必要的參數

Question

我正在使用權重和偏差（鏈接）來管理超參數優化並記錄結果。 我正在使用帶有 Tensorflow 后端的 Keras 進行訓練，我正在使用 Weights & Biases 的開箱即用的日志記錄功能，我在其中運行

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

然后將WandbCallback()添加到classifier.fit() () 的回調中。 默認情況下，Weights & Biases 似乎保存了 model 個參數（即模型的權重和偏差）並將它們存儲在雲端。 這耗盡了我帳戶的存儲配額，這是不必要的——我只關心跟蹤 model 損失/准確度作為超參數的 function。

我是否可以訓練 model 並使用權重和偏差記錄損失和准確性，但不將 model 參數存儲在雲端？ 我怎樣才能做到這一點？

Answer 1

為了在超參數優化期間不保存經過訓練的 model 權重，您可以執行以下操作：

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

這只會跟蹤指標（訓練/驗證損失/acc 等）。