wandb/server

W&B Server is the self hosted version of Weights & Biases

解決的問題

提供 Weights & Biases 平台的自托管版本，讓團隊能將機器學習實驗追蹤與資料保留在自己的基礎設施上，而非使用雲端主機服務。

運作方式

系統以 Docker 容器形式部署。使用者可使用 wandb server start 命令或手動 Docker 執行命令啟動伺服器。啟動後，網路中的其他機器可透過設定主機 URL 和 API 金鑰，向此伺服器報告指標。

適用對象

需要為實驗使用自托管基礎設施的機器學習工程師與研究人員，特別是那些需要對資料與環境保持控制的使用者。

特色

  • 透過 Docker 實現自托管部署。
  • 支援生產級功能，如外部 MySQL、雲端儲存與 SSO（需授權）。
  • 提供 Terraform 腳本，支援 AWS、Google Cloud 與 Azure 的部署設定。

相關

  • 專案
    wandb/wandb

    一個機器學習實驗追蹤與視覺化平台，協助開發者在整個 ML 流程中監控超參數與指標。

  • 專案
    wandb/examples

    一組精心挑選的即用腳本與 Colab 記事本，展示如何將 Weights & Biases 追蹤套件整合至主流 ML 框架（PyTorch、TensorFlow/Keras、Hugging Face、XGBoost、scikit‑learn 等）中。示範記錄執行、設定、指標、梯度與製品的功能，幫助使用者僅用幾行程式碼即可為模型加入實驗追蹤與可重現性。

  • 專案
    HarnessRouter/harnessrouter

    一個透過 Docker 在本地運行 AI 代理工具的自托管平台，提供安全隔離並支援多個模型提供者，無需雲端帳戶。

  • 專案
    gradio-app/trackio

    一個輕量級、本地優先的實驗追蹤函式庫，提供 Weights & Biases 的免費替代方案，具備受 Gradio 啟發的儀表板和基於 SQL 的查詢功能，專為 AI 智能體設計。

  • 專案
    google-deepmind/xmanager

    一個用於在本機環境、Kubernetes 和 Google Cloud Platform 上打包、執行和追蹤機器學習實驗的框架。