Weights & Biases

Weights & Biases（常簡稱為 W&B 或 WandB）是一個機器學習運維（MLOps）平台，主要提供實驗追蹤、超參數優化、模型版本控管與可視化等功能，旨在協助資料科學家與工程師更高效地開發、訓練與管理機器學習模型。

WandB 主要用於追蹤機器學習實驗的全過程，包括記錄超參數、監控訓練指標、視覺化結果、比較不同實驗以及管理模型和資料的版本，以提升開發效率、團隊協作與實驗的可復現性。

Weights & Biases 提供免費與付費兩種模式。個人用戶與學術用途通常可以免費使用基礎功能，團隊與企業用戶可能需要根據具體需求（如協作人數、儲存空間與高級功能）選擇付費方案。

WandB 支援與多種主流機器學習框架整合，包括 PyTorch、TensorFlow、Keras、Scikit-learn、JAX 以及 Hugging Face 等，通常只需加入幾行程式碼即可接入。

使用 WandB 時，實驗資料會上傳到其雲端伺服器。平台提供了資料管理的相關功能，使用者需自行評估並遵守其服務條款與隱私政策。對於有嚴格資料駐留要求的場景，建議參閱官方文件以了解詳細的資料處理方式。

WandB 是一個雲端協作平台，提供實驗追蹤、超參數優化、團隊協作等綜合 MLOps 功能；TensorBoard 則是本地可視化工具，深度整合於 TensorFlow 生態，側重於訓練過程的可視化。WandB 通常更適用於需要協作、版本控管與雲端儲存的場景。

通常需要先在官方網站註冊帳號並取得 API 金鑰，之後透過 pip 安裝 wandb 套件，在程式中初始化並登入即可開始記錄實驗。官方文件與社群提供了詳細的入門教學與範例程式。

根據官方文件，WandB 支援離線模式記錄實驗資料，並於有網路連線時同步。若有私有化部署需求，企業版可能提供相關方案，具體需聯繫官方以取得詳細資訊。