neptune-client

一键记录训练实验,自动追踪指标与模型,团队协作更高效

开源 🏷️定价信息待确认 🔧 仅开源项目,无在线服务,需自行部署 基础设施 🍴 复刻 75 🐛 待处理 4 👀 关注 18 ⚠️ 作者已归档(停止维护)
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 622
维护状态 低维护
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

neptune-client 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类基础设施
开发团队neptune-ai
官网地址https://neptune.ai
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型comparison,dl,foundation,keras,learning,lightgbm,llm,logger,logging,machine,ml,mlops,monitoring,optuna,pytorch,rl,tensorflow,versioning,visualization,xgboost
GitHub 星标★ 622
上线时间2019-02-11 00:00:00
代码更新2026-03-17
仓库体积13.4 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

neptune-client 是 Neptune.ai 的官方 Python 客户端库,用于跟踪和记录基础模型训练过程中的实验数据。它解决了机器学习团队在训练大模型时面临的实验管理混乱、指标追踪困难、超参数与模型版本难以复现等问题。核心能力包括:自动记录训练指标、超参数、模型权重和日志;支持与 PyTorch、TensorFlow、Hugging Face Transformers 等主流框架无缝集成;提供实时可视化仪表盘和实验对比功能;支持团队协作和模型注册。通过简单的 API 调用,开发者可以将训练过程中的关键信息同步到 Neptune 平台,实现实验的集中管理和高效迭代。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 622

技术标签

使用教程

难度:进阶 约 30 分钟 部署方式:本地安装 4 步

环境要求

  • Python 3.8+
  • 服务端账号与密钥

安装与启动步骤

  1. 1先分清版本

    这个仓库是旧版应用的服务端客户端,新版另有独立项目。

  2. 2旧版就这样装

    按旧版文档装包并拿到项目密钥与接口地址。

    pip install neptune
  3. 3新版换仓库

    新项目要另一套客户端,直接去对应仓库按新文档走。

  4. 4迁移时注意兼容

    两版的接口与数据模型不通用,迁移要重写记录那一层。

如何确认成功

能在对应版本的客户端里成功记录一条训练指标并在网页端看到曲线

注意事项

  • 看仓库名容易装错,先确认你要的是旧版还是新版客户端。
  • 旧版仍在维护文档但不会再有大功能。
  • 两版数据不互通,团队统一版本比升级更重要。
  • 框架集成钩子很多,按你用的训练框架挑一个即可。

核心亮点

  • 与主流深度学习框架(PyTorch、TensorFlow)深度集成,几行代码即可接入
  • 自动捕获训练指标、超参数和系统资源使用情况,减少手动记录负担
  • 提供实时可视化仪表盘和实验对比功能,便于快速分析模型性能

不足之处

  • 依赖 Neptune 云服务,离线或私有化部署需额外配置
  • 文档/社区待观察

适用场景

  • 大模型训练实验跟踪与结果对比
  • 团队协作共享实验记录与模型版本
  • 超参数调优过程中的指标监控

替代项目

MLflow、Weights & Biases、TensorBoard

上一篇:hypertune

下一篇:plexe

同类项目推荐

burn-onnx 开源

把 ONNX 模型转成纯 Rust Burn 代码,推理微调不再依赖 Python

Convert ONNX models into native, backend-agnostic Burn code for inference and fine-t···

★ 142 2026-09-16
Unified-MoE-Compression 开源

给 MoE 模型瘦身,压缩后推理更快更省内存

The official implementation of the paper "Towards Efficient Mixture of Experts: A Ho···

★ 93 2026-08-09
oumi 开源

一条命令搞定 LLM 微调、评估与部署,让模型落地更简单。

Easily fine-tune (SFT/RL), evaluate, and deploy Qwen, Gemma, or any open agentic LLM···

★ 9429 2026-08-10
xmtf 开源

多任务微调,让模型学会跨语言举一反三

Crosslingual Generalization through Multitask Finetuning

★ 534 2026-08-09
Cosyvoice_DPO_NOTES 开源

用 DPO 微调 CosyVoice,让合成语音更自然更讨喜

CosyVoice_DPO_NOTES: Supercharge Your Cosyvoice model with Cutting-Edge DPO Fine-Tun···

★ 129 2026-08-09
codebase-for-incremental-learnin··· 开源

让大模型学新知识不忘旧技能,复现ACL论文的增量学习工具箱

[ACL2024] A Codebase for Incremental Learning with Large Language Models; Official r···

★ 63 2026-08-09
gemma-tuner-multimodal 开源

Mac 上直接微调 Gemma 多模态模型,图文音一起训

Fine-tune Gemma 4 and 3n with audio, images and text on Apple Silicon, using PyTorch···

★ 1516 2026-09-16
lora-speedrun 开源

固定任务硬件,比谁把 LoRA 微调跑得最快

Speedrunning LoRA fine-tuning: frozen task, frozen hardware, public wall-clock leade···

★ 151 2026-09-29