一键跟踪训练指标，可视化对比实验，加速模型迭代
SwanLab 是一个开源、现代设计的 AI 训练跟踪与可视化工具，支持云端和自托管两种使用方式。它解决了深度学习训练过程中实验管理混乱、指标监控不便、结果对比困难等问题。核心能力包括：实时记录训练指标（损失、准确率等）、可视化图表展示、超参数管理、实验对比分析，以及与主流深度学习框架（如 PyTorch、Transformers、LLaMA Factory、Ultralytics 等）的无缝集成。通过简单的 API 调用，用户即可在本地或云端轻松跟踪每一次实验，快速定位问题，提升模型迭代效率。其界面设计现代简洁，上手门槛低，适合个人研究者及团队协作使用。
1确认 Python 环境
SwanLab 是 Python 项目，安装前先确认本机已装好 Python 与 pip，版本过旧建议先升级 pip。
python --version2安装 SwanLab
在终端执行 pip 安装命令即可完成安装，这是 README 快速开始给出的第一步。
pip install swanlab3打开在线版查看结果
在浏览器打开 SwanLab 在线版，注册登录后可查看训练指标曲线、实验对比与超参数。
执行 pip show swanlab 能输出版本号即安装成功；训练数据可在 https://swanlab.cn 在线版查看。
Q：想体验最新特性怎么办？
A：README 提供了「源码安装」方式，但节选未给出具体命令，请到仓库 README 的源码安装章节查看完整步骤。
Q：如何自托管部署？
A：README 目录中有「自托管」章节，节选未包含具体内容，请查阅仓库 README 或官方文档 docs.swanlab.cn 获取步骤。
Q：支持哪些深度学习框架？
A：SwanLab 与 50+ 主流框架集成，如 PyTorch、Transformers、LLaMA Factory、Ultralytics 等。
Q：不注册在线账号能用吗？
A：README 未说明离线使用方式；在线版与自托管两种使用方式请以官方文档说明为准。
TensorBoard、Weights & Biases、MLflow
SwanLab 是模型训练领域的开源项目，由 SwanHubX 开发，2023 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（4,225）位列前 10%，在模型训练分类的 522 个项目里位列前 12%。
近 42 天，它的 GitHub 星标从 4,141 增加到 4,225，净增 84。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。
它主要面向的使用场景是：深度学习模型训练过程中的指标监控与可视化。同类可对比的替代方案包括 TensorBoard、Weights & Biases、MLflow。
上一篇：llm-foundry
下一篇：higgsfield
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···