SwanLab

活跃
GitHub Python Apache-2.0

简介

开源的现代设计 AI 训练追踪与可视化工具，支持 PyTorch、Transformers 等主流框架，帮助开发者监控和评估 AI Agent 的训练过程。

核心特性

  • 50+ 主流框架无缝集成：原生支持 PyTorch、Transformers、HuggingFace Accelerate、PaddleNLP、NVIDIA NeMo RL 等框架，两行代码接入训练流程
  • 丰富的可视化图表系统：支持折线图、标量图、PR 曲线、ROC 曲线、混淆矩阵、3D 点云、分子结构、ECharts 自定义图表等 20+ 图表类型
  • 多维度硬件监控：实时监控 GPU（NVIDIA/AMD ROCm/海光 DCU/寒武纪 MLU/摩尔线程/沐曦/天数智芯/昆仑芯）、磁盘利用率、网络流量等硬件指标
  • LightningBoard 闪电看板：专为超大图表数量级场景打造的高性能仪表盘，支持图表分组、局部放大、相对时间显示、正则搜索
  • 灵活的私有化部署：支持 Docker、Kubernetes 一键部署，也提供在线云端版本，数据完全自主掌控
  • 实验协作与管理：支持项目置顶、实验分组、实验复制、Baseline 对比、并行模式记录、协作者邀请等团队协作功能

适用场景

💡 大模型训练过程监控：实时追踪 LLM 预训练、SFT、RLHF 各阶段的 loss、学习率、梯度等关键指标，及时发现训练异常
💡 AI 实验对比与调参：通过 Baseline 对比和多实验分组功能，快速评估不同超参数组合对模型性能的影响
💡 团队训练项目管理：多组织、多项目管理，支持实验 Tag、置顶、筛选和排序，方便团队协作追踪训练进度
💡 训练自动化告警：通过 Webhook 集成 Slack、Discord、飞书、邮件等通知渠道，训练完成或异常时自动推送告警
💡 模型评估与可视化报告：结合 EvalScope 等评估框架，将模型评估结果可视化展示，生成训练项目 GitHub 徽章

标签

python observability evaluation tools llm

分类

📊 可观测性

快速开始

安装：pip install swanlab；在训练代码中添加：import swanlab; swanlab.init(project="my-project"); swanlab.log({"loss": loss.item()})；运行训练后访问 swanlab.cn 查看可视化仪表盘
访问 GitHub

相关项目