SwanLab 是一款⚡️开源、现代化设计的深度学习训练跟踪与可视化工具，支持云端及本地自托管部署，可无缝集成 PyTorch、Transformers、LLaMA Factory、Swift、Ultralytics、veRL、MMEngine、Keras 等 30+ 主流框架，帮助研究者快速记录、对比与分享实验成果。项目遵循 Apache-2.0 开源协议，已获得 1.5k+ 星标，拥有活跃社区与持续更新。
官网：https://swanlab.cn/
源码：https://github.com/SwanHubX/SwanLab
文档：https://docs.swanlab.cn/
以下是其核心特性列表：
1. 📊 实验指标与超参数跟踪: 极简的代码嵌入您的机器学习 pipeline，跟踪记录训练关键指标
-
☁️ 支持云端使用（类似Weights & Biases），随时随地查看训练进展。手机看实验的方法
-
📝 支持超参数记录、指标总结、表格分析
-
🌸 可视化训练过程: 通过UI界面对实验跟踪数据进行可视化，可以让训练师直观地看到实验每一步的结果，分析指标走势，判断哪些变化导致了模型效果的提升，从而整体性地提升模型迭代效率。
-
支持的元数据类型：标量指标、图像、音频、文本、3D点云、生物化学分子…
-
支持的图表类型：折线图、媒体图（图像、音频、文本）、3D点云、生物化学分子…
- 后台自动记录：日志logging、硬件环境、Git 仓库、Python 环境、Python 库列表、项目运行目录
2. ⚡️ 全面的框架集成: PyTorch、🤗HuggingFace Transformers、PyTorch Lightning、🦙LLaMA Factory、MMDetection、Ultralytics、PaddleDetetion、LightGBM、XGBoost、Keras、Tensorboard、Weights&Biases、OpenAI、Swift、XTuner、Stable Baseline3、Hydra 在内的 30+ 框架
3. 💻 硬件监控: 支持实时记录与监控CPU、NPU（昇腾Ascend）、GPU（英伟达Nvidia）、MLU（寒武纪Cambricon）、XLU（昆仑芯Kunlunxin）内存的系统级硬件指标
4. 📦 实验管理: 通过专为训练场景设计的集中式仪表板，通过整体视图速览全局，快速管理多个项目与实验
5. 🆚 比较结果: 通过在线表格与对比图表比较不同实验的超参数和结果，挖掘迭代灵感
6. 👥 在线协作: 您可以与团队进行协作式训练，支持将实验实时同步在一个项目下，您可以在线查看团队的训练记录，基于结果发表看法与建议
7. ✉️ 分享结果: 复制和发送持久的 URL 来共享每个实验，方便地发送给伙伴，或嵌入到在线笔记中
8. 💻 支持自托管: 支持离线环境使用，自托管的社区版同样可以查看仪表盘与管理实验，使用攻略
9. 🔌 插件拓展: 支持通过插件拓展SwanLab的使用场景，比如 飞书通知、Slack通知、CSV记录器等
Libre Depot（自由仓库）原创文章、发布者：Libre Depot = 转载请注明出处：https://www.libredepot.top/zh/5475.html
