ARTICLE · 1304519

开源、轻量 AI 训练记录与可视化工具SwanLab

发布时间：2026-11-04 10:59:43 最近访问：2026-11-04 10:59:44

开源、轻量的深度学习实验跟踪平台，对标 Weights & Biases（wandb），主打中文生态与零门槛接入。

一、SwanLab 是什么

SwanLab 是一个开源的 AI 训练记录与可视化工具，覆盖"训练日志记录 → 曲线可视化 → 实验对比 → 团队协作"的完整流程。它解决的核心痛点很直接：

深度学习实验太多、太散，光靠 stdout 和翻终端历史根本管理不过来。

项目地址：https://github.com/SwanHubX/SwanLab
官网：https://swanlab.cn
安装：pip install swanlab
支持云端托管、私有化部署、纯离线三种使用模式

一句话定位：像 wandb 一样好用的实验面板，但对国内网络环境和中文团队更友好。

二、对比 wandb

对比维度	wandb	SwanLab
国内访问	需代理，服务端偶发 403/超时	国内直连，速度快
中文界面	英文	中文
断网/服务端异常	同步重试会拖慢训练步	本地缓存，训练不受影响
接入成本	`pip install wandb` + API key	`pip install swanlab` + `swanlab login`
transformers 集成	原生	原生（`report_to="swanlab"`，需 transformers ≥ 4.38）
HF Trainer / PyTorch Lightning / Accelerate	支持	支持
私有化部署	收费	开源免费
价格	免费版有限制	个人免费

wandb 服务端异常时，同步重试会拖慢训练；403 错误更是直接让 wandb.init 抛异常、训练退出。换成 SwanLab 后这类网络问题不再阻塞训练。

三、快速上手

1. 安装与登录

pip install swanlabswanlab login          # 浏览器跳转获取 API key# 或者用环境变量：export SWANLAB_API_KEY=xxxxxxxx

不想注册账号？直接用离线模式，日志全落本地：

export SWANLAB_MODE=local

2. 三行代码记录训练

import swanlabswanlab.init(    project="my-project",    config={"lr": 1e-4, "epochs": 4},   # 超参会记录并可在面板对比)for epoch in range(4):    loss = train_one_epoch()    swanlab.log({"loss": loss})swanlab.finish()

3. 在 transformers Trainer 中接入

from transformers import TrainingArgumentsargs = TrainingArguments(    ...,    report_to="swanlab",   # wandb 换成 swanlab,就这一个词)

Trainer 会自动记录：loss、learning_rate、epoch、eval_loss、自定义评估指标、训练结束统计（train_runtime 等），面板自动分组、自动对比。

四、记录内容与可视化能力

标量指标

训练全程的 loss / lr / 自定义指标自动成图。面板上能直接看到：

阶段	指标
训练中	`loss` 、`learning_rate`、`epoch`
每次 eval	`eval_loss`
结束时	`train_runtime` 、`train_samples_per_second`、`train_loss`、`total_flos`

富媒体记录

swanlab.log({"predictions": swanlab.Text("| step | pred |\n|---|---|")})swanlab.log({"confusion_matrix": swanlab.Image(plt)})swanlab.log({"audio": swanlab.Audio(path)})

支持 Text（Markdown 表格）、Image、Audio、Video、Histogram。