标签：log 新建 param str model best name
pip install model-log
Model Log 安装成功后，Linux、Mac用户直接终端输入以下命令，Windows用户在cmd窗口输入：
model-log
# 第一步：先创建 ModelLog 类，并添加必要的属性
from model_log.modellog import ModelLog
"""
:param nick_name: str，昵称，多人使用下可起到数据隔离。
:param project_name: str，项目名称。
:param project_remark: str，项目备注，默认为空。
项目名称如不存在会新建
"""
model_log = ModelLog(nick_name='星涅', project_name='正式的测试', project_remark='')
# 第二步：模型训练的每次 epoch (周期)可以添加评估指标数据，评估指标可以进行以下选择。
# 第一次调用该 API 时，会把以上设置的数据(模型名称、备注等)持久化到 SQLite 数据库，并且 web 端会自动获取评估指标数据进行图形化展示。
"""
:param model_name: str，模型名称
"""
model_log.add_model_name(model_name='BILSTM_CRF模型4')
"""
:param remark: str，模型备注
"""
model_log.add_model_remark(remark='模型备注')
"""
:param param_dict: dict，训练参数字典
:param param_type: str，参数类型，例如：TF参数、Word2Vec参数等。
"""
model_log.add_param(param_dict={'lr':0.01}, param_type='tf_param')
"""
:param metric_name: str，评估指标名称，
可选择['train_loss', 'test_loss', 'train_acc', 'test_acc', 'train_recall', 'test_recall', 'train_precision', 'test_precision', 'train_F1', 'test_F1']
:param metric_value: float，评估指标数值。
:param epoch: int，训练周期
metric_name 参数只可以选择以上十种
第一次调用该 API 时，会把以上设置的数据(模型名称、备注等)持久化到 SQLite 数据库，并且 web 端会自动获取数据进行图形化展示。
可以在每个 epoch 周期的最后使用该 API 添加训练集和测试集的评估指标，web 端会自动获取该数据。
"""
model_log.add_metric(metric_name='train_loss', metric_value=4.5646, epoch=1)
# 第三步：模型训练完成后，可以添加最好的一次评估数据。
"""
:param best_name: str，最佳评估指标名称，
:param best_value: float，最佳评估指标数值。
:param best_epoch: int，训练周期
添加当前模型训练中最佳的评估数据，一般放到模型训练的最后进行添加。
"""
model_log.add_best_result(best_name='best_loss', best_value=1.2122, best_epoch=30)
model_log.finish_model()
"""
关闭 SQLite 数据库连接
"""
model_log.close()
但是注意到是
model_log = ModelLog(nick_name='当前网页到昵称', project_name='新到项目名或旧项目名', project_remark='')
否则无法形成新项目或者添加到旧项目
标签：log,新建,param,str,model,best,name 来源： https://www.cnblogs.com/xingnie/p/16227218.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。