追踪模型训练
在复杂的模型训练实验中，研究人员或工程师需要处理数以百计的实验配置和结果，在缺乏有效管理工具的情况下很容易迷失在海量的数据和文件中。因此，追踪和记录实验变得十分重要，它能够帮助研究人员快速识别最佳模型，比较不同模型的差异，洞悉关键因素的作用，并且迅速迭代改进，从而大幅提升研究和开发的效率。
这一部分将使用实验管理模块和 Python SDK 追踪模型的训练过程和结果。Python SDK 负责自动记录超参数、指标、平台信息以及任何重要的输入输出文件，实验管理控制台则提供直观的可视化界面以及便捷的团队协作体验。我们将从介绍实验管理控制台与 Python SDK 的基本用法开始，进而到实际场景中追踪模型的训练，最后我们查看 AutoTune 进行超参数优化的结果。
本部分常见任务如下：