init中的参数的作用

• project：整个实验的名字；

• experiment_name：在这个实验中，你的名字是什么；

  • 比如说现在我们要进行对比实验，PEAN和Triflownet分别是对比方法的名字，这样的好处是，她们可以出现在一样的图中直接进行对比；

• config：关于这个实验，你需要标记的参数名字，如：

  

给相同属性的变量分组

如：

# 记录epoch指标到SwanLabswanlab.log({"loss/avg_train_loss": avg_train_loss,"accuracy/avg_train_accuracy": avg_train_acc,"loss/avg_dev_loss": dev_loss,"accuracy/avg_dev_accuracy": dev_acc,"learning_rate": optimizer.param_groups[0]['lr'],"epoch_time": epoch_time})

如果都是loss就都分到loss组，效果如下，这样看起来不会那么混乱：

不同模型方法对比实验

• project：整个实验的名字；

• experiment_name：相应模型的名字；

• config：关于这个实验，你需要标记的参数名字；

• swanlab.log：

   swanlab.log({"loss/avg_train_loss": avg_train_loss,"accuracy/avg_train_accuracy": avg_train_acc,"loss/avg_dev_loss": dev_loss,"accuracy/avg_dev_accuracy": dev_acc,"learning_rate": optimizer.param_groups[0]['lr'],"epoch_time": epoch_time})
  

  其中每个参数都会产生一个图，如：avg_train_loss，图中有每个方法的折线，可以清晰展示不同方法之间的区别；