文本分类 - Jupyter Notebook

示例 text_classification_AG_NEWS.ipynb 展示了如何使用 Jupyter Notebook 进行 ClearML，以及将 ClearML 集成到代码中，该代码训练网络以对 torchtext AG_NEWS 数据集中的文本进行分类，然后应用模型来预测样本文本的分类。

ClearML 自动记录使用 TensorBoard 方法报告的标量和文本样本。示例代码显式地将参数记录到任务中。当脚本运行时，它会在 Text Example 项目中创建一个名为 text classifier 的实验。

标量​

准确率、学习率和训练损失出现在SCALARS中，同时还有资源利用率图表，标题为:monitor: machine。

调试示例​

ClearML 自动记录报告给 TensorBoard 的文本样本。它们显示在实验的 DEBUG SAMPLES 中。

超参数​

通过使用Task.connect()将参数字典连接到任务来记录参数字典：

configuration_dict = {
    'number_of_epochs': 6, 'batch_size': 16, 'ngrams': 2, 'base_lr': 1.0
}
# enabling configuration override by clearml
configuration_dict = task.connect(configuration_dict)  

参数显示在实验的配置 > 超参数 > 常规部分。

控制台​

打印到控制台的训练进度文本，以及所有其他控制台输出，显示在控制台中。