#32 · 主分类： MLOps与评测
wandb
AI开发者平台。使用Weights & Biases训练和微调模型，并管理从实验到生产的模型。
项目最后更新：08/29/26
GitHub Stars
11.2K
Forks数量
891
贡献者数量
251
许可证
MIT
收录理由
训练日志散落各处是许多机器学习团队的常态，Weights & Biases 把这一切收拢到一个共享面板里。只要在 Python 代码中加上几行记录，指标、超参数、梯度乃至模型文件都会自动上传，方便横向对比不同实验，也能和协作者直接讨论。它跟 PyTorch、TensorFlow、Hugging Face 这些常用框架配合顺畅，通常不用重写现有流程就能接进来。除了基础追踪，它还支持超参数搜索、产物版本管理，以及面向大语言模型应用的 Weave 调试与评测工具，覆盖面不止于记录本身。对于重视实验可复现性、希望随时回溯模型演进过程的团队来说，这是一个集成度高且实用的选择。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具