SwanLab官方網站入口、AI訓練可視化、實驗追蹤、私有化部署及最新價格及使用教學

SwanLab是什麼？

SwanLab是一個用於AI訓練實驗的追蹤、可視化及協作平台，由情感機器（北京）科技有限公司所開發。它透過Python SDK嵌入到訓練腳本中，持續記錄Loss、Accuracy、學習率、超參數、日誌、硬體狀態以及媒體結果，然後在網頁儀表板中進行查看與比較。

產品同時支援官方雲端、離線記錄和私有化部署，定位類似Weights & Biases與TensorBoard，但更強調中文體驗、國產硬件監控、開源SDK和本地部署。適用於深度學習、大模型微調、強化學習、視覺和傳統機器學習實驗。

當前版本與開源狀態

套餐或版本	價格、額度與核心權益
Pro	Pro與團隊方案價格頁目前將Pro標為59元/人/月，包含100GB儲存，資料點速率提高到每10分鐘約500萬，面向專業個人用戶；
Free	雲端Free免費方案目前公開價格頁顯示雲端Free為0元/月，適合個人研究和小規模實驗，包含10GB儲存。雲端Free為0元並含10GB。
免費版	免費版每10分鐘可上傳約50萬個數據點，超過速率後會受到限制。
社區版	個人可在官網免費申請1個社區版License，每年刷新一次，限制商業用途。

截至本次核驗，官方GitHub上的SwanLab Python SDK已進入0.8.x版本，最新的公開發布版本為0.8.2。該SDK及核心用戶端程式碼均採用Apache License 2.0授權條款，因此可以依照該許可證的規定來使用、修改和散布。

需要區分SDK、雲端服務和自託管服務端：GitHub主倉庫主要公開訓練端SDK與本地功能，官方文件也說明雲端部分為閉源；自託管則透過獨立鏡像與部署倉庫提供，並需要許可證才能啟用。

因此不能把整套SwanLab雲平台標記為全部源碼開放。

實驗初始化與指標記錄

安裝後透過 swanlab.init 建立 Run，設定 Project、實驗名稱、描述及 Config；在訓練循環中使用 swanlab.log 記錄指標，結束時呼叫 finish。

SDK會把時間步、指標、超參數和運行狀態發送到雲端或指定的私有主機。

指標Key應保持穩定，Step要有明確語義。把不同頻率、不同單位的地數混到同一個曲線會產生誤導；

分散式訓練通常只讓主進程上報全局指標，避免重複計算與網路開銷。

訓練可視化

網頁端支援折線圖、柱狀圖、散點圖、箱線圖、熱力圖、餅圖、雷達圖以及自訂的ECharts圖表。使用者可以搜尋、篩選和分組實驗，疊加多條曲線，以比較超參數與最終結果。

曲線平滑僅用於觀察趨勢，不能替代原始數據。比較實驗時應對齊資料集、隨機種子、訓練步數和評估口徑，並保留未平滑值，避免把顯示效果當成真實提升。

多媒體與大模型內容

SwanLab可記錄圖片、音頻、影片、文字、3D點雲及生化分子，並提供用於LLM生成內容的Markdown文本視覺化功能。在視覺任務中可顯示預測框與樣本，而在大模型訓練時則可隨機檢查Prompt、Response與Reward。

媒體檔案會快速佔用儲存空間及上傳頻寬。應按固定間隔抽樣，限制尺寸、時長和數量；

上傳前要脫敏訓練樣本、用戶提示詞和模型輸出。

自動日誌與運行環境

SDK可以自動記錄Python日誌、硬體環境、Git倉庫資訊、Python版本、依賴項目清單以及專案運行目錄，為實驗重現提供相關背景資料。在斷點處繼續訓練之後，還可以持續補充原有的運行指標。

自動採集的資料可能包含分支名稱、命令參數、檔案路徑以及相關的依賴資訊。企業應檢查記錄的範圍，避免將 API Key、內部地址和客戶資料寫入 Config 或日誌中。

硬體監控

SwanLab可監控CPU、記憶體及多種加速器，包括NVIDIA GPU、昇騰NPU、寒武紀MLU、崑崙XPU、沐曦和摩爾線程設備。可觀察利用率、顯存、溫度、功耗與進程相關指標，輔助定位資料瓶頸和OOM。

硬體指標的採集依賴於廠商提供的驅動程式與工具，不同設備所支援的參數並不完全一致。較高的採樣頻率會增加運作成本，而在不同電腦之間進行資料傳輸時，還必須確保時間同步。

實驗比較與表格

項目視圖可以集中管理大量Run，透過表格篩選狀態、創建者、參數和最終指標，再選擇實驗進入對比圖。適合超參數搜尋、消融實驗、模型版本挑選和失敗原因分析。

實驗名稱應包含模型、數據、方法及日期等關鍵資訊，Tag與Group則需統一規範。僅依賴自動生成的ID，會讓團隊很難從數千個Run中梳理出研究的脈絡。

框架集成

官方文件列出了40多種可整合的框架與工具，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。

集成通常透過Callback、report_to參數或Logger來完成。框架升級可能會改變回呼介面和指標名稱，應鎖定相容版本並先以簡短任務進行驗證。

LLaMA Factory與ms-swift

LLaMA Factory可選擇SwanLab作為報告後端，用於記錄SFT、LoRA及偏好對齊訓練；ms-swift則透過report_to、Project、Workspace及實驗名稱參數進行連接，CLI與WebUI皆可啟用。

SwanLab僅負責觀測，不提供訓練算力或自動保證微調品質。GPU費用、模型權重、數據和Checkpoint仍由訓練平台或用戶自行管理。

強化學習訓練

平台整合了veRL、TRL、EasyR1、AReaL、ROLL、NVIDIA NeMo RL和MindSpeed-RL等框架，可追蹤Reward、KL、Entropy、Policy Loss、生成長度及硬體指標。

強化學習的指標數量眾多且上傳頻率很高，容易觸發資料點的速率限制。應該區分層級來記錄核心的即時指標與低頻率的診斷樣本，不要將每個Token的所有資料都同步到雲端。

從Wandb和TensorBoard遷移

SwanLab提供Wandb同步功能，可將Wandb的指標轉移到SwanLab中；同時也支援讀取TensorBoard的日誌，或作為訓練框架的替代日誌記錄工具。

遷移有助於集中歷史實驗並在國內網絡環境中使用。

第三方日誌的資料類型、Step和媒體格式可能無法一一對應。正式遷移前應選擇代表性項目檢查曲線點數、參數、摘要和檔案是否完整。

雲端Free免費方案

目前公開的價格頁面顯示，雲端Free版每月費用為0元，適合個人研究及小規模實驗，並提供10GB的儲存空間。免費版每10分鐘可上傳約50萬個數據點，超過此速率後將會受到限制。

當儲存空間用盡後，將無法建立新的實驗，但正在運行的實驗仍會盡力完成。在開始執行耗時較長的任務之前，應先檢查剩餘的空間，並及時刪除或導出那些不再需要的巨大檔案。

Pro與團隊方案

價格頁面目前將Pro標示為59元/人/月，包含100GB的儲存空間，資料傳輸速率則提升至每10分鐘約500萬，適用於專業個人使用者；但購買按鈕上同時標註著「即將上線」，因此無法視為已可普遍購買。

團隊檔也在價格頁展示但同樣標註即將上線。具體標價、席位、協作者、團隊空間和正式開放時間可能繼續變化，購買前應以帳戶結算頁為準。

Enterprise企業方案

Enterprise採用訂製價格，適用於需要團隊協作、更高I/O處理能力以及更強管理功能的企業。它可提供訂製化的儲存方案、更高的資料處理速度、團隊權限控制、SSO功能、安全的連線方式，以及專屬的企業管理後台和支援服務。

官方說明，企業每10分鐘可處理1億個或更多數據點，具體數量則視需求而定。合約中應明確規定席位數、併發量、儲存空間、資料保留期限、備份方式、SLA服務水平、資料遷移以及技術支援等內容。

離線模式

SDK支援Online、Local、Offline和Disabled等模式。網路受限時可先把實驗記錄保存在本地，再用工具查看或在恢復連接後同步，適合實驗室內網、雲訓練節點和臨時斷網環境。

離線目錄屬於實驗資產，應納入備份和訪問控制。清理訓練輸出時不要誤刪未同步日誌；

重新同步前也要避免重複Run。

社區版私有化部署

社群版可透過 Docker Compose 或官方的 Helm Chart 來部署，可使用 PostgreSQL、Redis、ClickHouse、MinIO 以及網關等服務。Docker 的最低建議配置為 2 核心 CPU、4GB 記憶體和 20GB 的儲存空間，而實際長期使用時，則應配置更高的資源並做好備份。

個人可在官網免費申請1個社區版許可證，每年需重新申請一次，且僅限用於非商業用途。社區版僅供個人使用，不支援多人協作、團隊功能、角色權限、SSO以及管理後台。