SwanLab

SwanLab是什么？

SwanLab是一款AI训练实验跟踪、可视化与协作平台，由情感机器（北京）科技有限公司开发。它通过Python SDK嵌入训练脚本，持续记录Loss、Accuracy、学习率、超参数、日志、硬件状态和媒体结果，再在网页仪表板中查看和比较。

产品同时支持官方云端、离线记录和私有化部署，定位类似Weights & Biases与TensorBoard，但更强调中文体验、国产硬件监控、开源SDK和本地部署。适用于深度学习、大模型微调、强化学习、视觉和传统机器学习实验。

当前版本与开源状态

截至本次核验，官方GitHub的SwanLab Python SDK已进入0.8.x版本，最新公开Release为0.8.2。SDK和核心客户端仓库采用Apache License 2.0，可按许可证使用、修改和分发。

需要区分SDK、云端服务和自托管服务端：GitHub主仓库主要公开训练端SDK与本地功能，官方文档也说明云端部分闭源；自托管通过独立镜像与部署仓库提供，并需要许可证激活。因此不能把整套SwanLab云平台标记为全部源码开放。

实验初始化与指标记录

安装后通过swanlab.init创建Run，设置Project、实验名称、描述和Config；训练循环中使用swanlab.log记录指标，结束时调用finish。SDK会把时间步、指标、超参数和运行状态发送到云端或指定私有主机。

指标Key应保持稳定，Step要有明确语义。把不同频率、不同单位的数据混到同一个曲线会产生误导；分布式训练通常只让主进程上报全局指标，避免重复点和网络开销。

训练可视化

网页端支持折线图、柱状图、散点图、箱线图、热力图、饼图、雷达图和自定义ECharts。用户可以搜索、筛选和分组实验，叠加多条曲线，比较超参数与最终结果。

曲线平滑只用于观察趋势，不能替代原始数据。比较实验时应对齐数据集、随机种子、训练步数和评估口径，并保留未平滑值，避免把显示效果当成真实提升。

多媒体与大模型内容

SwanLab可记录图片、音频、视频、文本、3D点云和生物化学分子，并提供面向LLM生成内容的Markdown文本可视化。视觉任务可展示预测框和样本，大模型训练可抽查Prompt、Response与Reward。

媒体文件会快速占用存储和上传带宽。应按固定间隔抽样，限制尺寸、时长和数量；上传前要脱敏训练样本、用户提示词和模型输出。

自动日志与运行环境

SDK可以自动记录Python日志、硬件环境、Git仓库信息、Python版本、依赖列表和项目运行目录，为实验复现提供上下文。断点续训后还可继续向原Run补充指标。

自动采集可能包含分支名、命令参数、文件路径和依赖信息。企业应检查记录范围，不要把API Key、内部地址和客户数据写入Config或日志。

硬件监控

SwanLab可监控CPU、内存及多种加速器，包括NVIDIA GPU、昇腾NPU、寒武纪MLU、昆仑XPU、沐曦和摩尔线程设备。可观察利用率、显存、温度、功耗与进程相关指标，辅助定位数据瓶颈和OOM。

硬件指标采集依赖厂商驱动与工具，不同设备支持字段不完全一致。高采样频率会增加开销，跨机器时还要确保时间同步。

实验比较与表格

项目视图可以集中管理大量Run，通过表格筛选状态、创建者、参数和最终指标，再选择实验进入对比图。适合超参数搜索、消融实验、模型版本挑选和失败原因分析。

实验名称应包含模型、数据、方法和日期等关键信息，Tag与Group要统一规范。只依赖自动生成ID会让团队很难从数千个Run中恢复研究脉络。

框架集成

官方文档列出40多种框架与工具集成，包括PyTorch、Transformers、PyTorch Lightning、Keras、LLaMA Factory、ms-swift、XTuner、MMEngine、Ultralytics、PaddleDetection、LightGBM、XGBoost、Stable Baselines3、veRL、TRL、EasyR1、TensorBoard、Wandb、MLflow、Hydra和Accelerate。

集成通常通过Callback、report_to参数或Logger完成。框架升级可能改变回调接口和指标名称，应锁定兼容版本并先用短任务验证。

LLaMA Factory与ms-swift

LLaMA Factory可选择SwanLab作为报告后端，记录SFT、LoRA和偏好对齐训练；ms-swift通过report_to、Project、Workspace和实验名参数接入，CLI和WebUI都可启用。

SwanLab只负责观测，不提供训练算力或自动保证微调质量。GPU费用、模型权重、数据和Checkpoint仍由训练平台或用户自行管理。

强化学习训练

平台集成veRL、TRL、EasyR1、AReaL、ROLL、NVIDIA NeMo RL和MindSpeed-RL等框架，可跟踪Reward、KL、Entropy、Policy Loss、生成长度和硬件指标。

强化学习指标数量多且上传频率高，容易触发数据点限速。应分层记录核心在线指标与低频诊断样本，不要把每个Token的全部数据都同步到云端。

从Wandb和TensorBoard迁移

SwanLab提供Wandb同步能力，可将Wandb指标转到SwanLab；也支持读取TensorBoard日志或作为训练框架的替代Logger。迁移有助于集中历史实验和在国内网络环境中使用。

第三方日志的数据类型、Step和媒体格式可能无法一一对应。正式迁移前应选择代表性项目检查曲线点数、参数、摘要和文件是否完整。

云端Free免费方案

当前公开价格页显示云端Free为0元/月，适合个人研究和小规模实验，包含10GB存储。免费版每10分钟可上传约50万个数据点，超过速率后会受到限制。

存储超出后无法创建新实验，但正在运行的实验会尽量保证完成。开始长任务前应检查剩余空间，及时删除或导出不再需要的大型媒体。

Pro与团队方案

价格页当前将Pro标为59元/人/月，包含100GB存储，数据点速率提高到每10分钟约500万，面向专业个人用户；但购买按钮同时标注“即将上线”，因此不能视为已经普遍可购买。

团队档也在价格页展示但同样标注即将上线。具体标价、席位、协作者、团队空间和正式开放时间可能继续变化，购买前应以账户结算页为准。

Enterprise企业方案

Enterprise采用定制价格，面向需要团队协作、更高I/O和治理能力的企业。可提供定制存储、更高数据点速率、团队权限、SSO、安全连接、企业管理后台和专属支持。

官方说明企业可支持每10分钟1亿个或更多数据点，具体取决于需求。合同中应明确席位、并发、存储、保留、备份、SLA、数据迁移和技术支持。

离线模式

SDK支持Online、Local、Offline和Disabled等模式。网络受限时可先把实验记录保存在本地，再用工具查看或在恢复连接后同步，适合实验室内网、云训练节点和临时断网环境。

离线目录属于实验资产，应纳入备份和访问控制。清理训练输出时不要误删未同步日志；重新同步前也要避免重复Run。

社区版私有化部署

社区版可通过Docker Compose或官方Helm Chart部署，使用PostgreSQL、Redis、ClickHouse、MinIO和网关等服务。Docker最低建议2核CPU、4GB内存和20GB存储，实际长期使用应配置更高资源与备份。

个人可以在官网免费申请1个社区版License，每年刷新一次，限制商业用途。社区版仅限个人使用，不支持多人协作、团队、角色权限、SSO和管理后台。

Docker与Kubernetes

Docker部署适合个人服务器，默认网关端口为8000，MinIO签名端口为9000。Kubernetes部署要求Kubernetes 1.24及以上、Helm 3.9及以上，并可外挂高可用数据库、缓存和对象存储。

默认Kubernetes基础组件为单实例，不等于企业级高可用。生产环境需规划PVC、备份、灾难恢复、Ingress、TLS、Secret、监控和滚动升级。

企业私有化版

企业版在离线部署基础上增加多人协作、团队、权限控制、SSO、管理后台和官方支持，支持Docker或Kubernetes方案。价格需联系官方。

部署在内网仍可能需要License激活或离线验证。采购前应确认完全断网条件、许可证更新方式、镜像交付、漏洞修复和数据导出。

通知与插件

插件可将训练状态发送到飞书、钉钉、企业微信、Slack或邮件，也能写出CSV、Webhook和扩展数据处理。适合在Loss异常、任务完成或崩溃时提醒。

通知内容可能包含实验名、指标和页面入口，敏感项目应使用内部机器人并限制群范围；Webhook需要验证来源和重放保护。

API Key与数据安全

云端或私有服务均通过API Key认证。密钥应保存在环境变量或Secret中，不能提交到Git、Notebook输出或共享脚本。每个用户和环境应使用独立Key。

实验数据可能包含模型行为、代码版本和未公开指标。组织应设置访问权限、保留期、数据分级和删除流程，公开分享前检查媒体与Config。

适合哪些用户？

• 需要集中查看Loss、指标和超参数的个人训练者；
• 进行大模型微调、强化学习和多模态训练的团队；
• 希望替代或迁移Wandb、增强TensorBoard协作能力的用户；
• 使用昇腾、寒武纪、昆仑、沐曦等国产加速器的实验室；
• 要求离线或私有化保存实验数据的企业。

产品优势

• Python接入简单，支持40多种训练框架；
• 指标、媒体、日志、环境和硬件监控类型丰富；
• 支持云端、离线、Docker和Kubernetes；
• 兼容国产加速器并提供中文文档；
• 可迁移Wandb和TensorBoard历史数据；
• SDK采用Apache 2.0开源。

限制与注意事项

云端存储和数据点速率有上限，媒体日志会快速占用空间。Pro和团队档当前仍标注即将上线；社区自托管免费License限制个人和非商业使用，并不具备团队治理。

服务端与云端并非全部开源，企业版需定制授权。实验跟踪不能替代模型仓库、数据版本、部署注册表和完整MLOps流程；重要项目仍应保存Checkpoint、数据哈希和代码版本。

常见问题

SwanLab免费吗？

云端Free为0元并含10GB。个人可免费申请社区自托管License，但限制商业用途且每年刷新；企业协作需付费方案。

SwanLab Pro多少钱？

价格页当前显示59元/人/月、100GB存储，但仍标注即将上线，正式价格和购买时间以账户页面为准。

SwanLab可以完全离线使用吗？

支持离线记录和自托管。新版自托管支持离线验证License，但部署前应确认许可证申请、更新和断网条件。

SwanLab支持LLaMA Factory吗？

支持，也集成ms-swift、Transformers、veRL、TRL等大量训练框架，可通过回调或report_to参数启用。

SwanLab开源吗？

Python SDK采用Apache 2.0开源，但云端部分闭源，自托管服务通过独立镜像和许可证提供，不能称为完整云平台全开源。