• Accelerate支持七种集成的跟踪器：
  • TensorBoard
  • WandB
  • CometML
  • Aim
  • MLFlow
  • ClearML
  • DVCLive
• 要使用这些跟踪器，可以通过在 Accelerator 类的 log_with 参数中传入所选类型来实现

from accelerate import Accelerator
from accelerate.utils import LoggerType

accelerator = Accelerator(log_with="all")  
# For all available trackers in the environment

accelerator = Accelerator(log_with="wandb")

accelerator = Accelerator(log_with=["wandb", LoggerType.TENSORBOARD])

• 实验开始时，使用 accelerator.init_trackers() 来设置项目并记录任何实验超参数

hps = {"num_iterations": 5, "learning_rate": 1e-2}
accelerator.init_trackers("my_project", config=hps)

• 实验过程中，使用 accelerator.log() 来记录数据

  accelerator.log({"train_loss": 1.12, "valid_loss": 0.8}, step=1)

• 实验结束时运行 accelerator.end_training() 以确保所有跟踪器能正确执行结束功能。 

完整的一套：

• 如果跟踪器需要一个目录来保存数据（例如 TensorBoard），则可以将目录路径传给 project_dir 参数
  • ProjectConfiguration 数据类还可以结合其他配置使用，例如将 TensorBoard 数据保存在 project_dir 中，而其他日志保存在 logging_dir 参数中

accelerator = Accelerator(log_with="tensorboard", project_dir=".")

# 使用 ProjectConfiguration
config = ProjectConfiguration(project_dir=".", logging_dir="another/directory")
accelerator = Accelerator(log_with="tensorboard", project_config=config)