【Model Log】模型评估指标可视化，自动画Loss、Accuracy曲线图工具，无需人工参与!

1. Model Log 介绍

Model Log 是一款基于 Python3 的轻量级机器学习(Machine Learning)、深度学习(Deep Learning)模型训练评估指标可视化工具，与 TensorFlow、Pytorch、PaddlePaddle结合使用，可以记录模型训练过程当中的超参数、Loss、Accuracy、Precision、F1值等，并以曲线图的形式进行展现对比，轻松三步即可实现。

GitHub项目地址：https://github.com/NLP-LOVE/Model_Log

通过调节超参数的方式多次训练模型，并使用 Model Log 工具进行记录，可以很直观的进行模型对比，堪称调参神器。以下是使用工具后模型训练时 Loss 的变化曲线图。访问线上体验版：http://mantchs.com/model_log.html

通过上图可以很清晰的看出两个模型的训练效果，而且在表格当中高亮显示修改过的超参数，方便进行模型分析。

2. Model Log 特性

• 轻量级、无需任何配置、极简API、开箱即用。
• 只需要把模型的超参数和评估指标数据通过API添加即可，轻松三步即可实现。
• 高亮显示修改过的超参数，方便进行模型分析。
• 自动检测和获取正在训练的模型数据，并进行可视化，无需人工参与。
• 使用 SQLite 轻量级本地数据库存储，可供多个用户同时使用，保证每个用户看到的数据是独立的。
• 可视化组件采用 Echarts 框架，交互式曲线图设计，可清晰看到每个 epoch 周期的指标数据和变化趋势。

3. Model Log 演示地址

访问线上体验版：http://mantchs.com/model_log.html

4. Model Log 安装

Python3 版本以上，通过 pip 进行安装即可。

pip install model-log

注意：若安装的过程中出现以下情况，说明 model-log 命令已经安装