プロフェッショナルな AI トレーニング分析プラットフォーム
実験のイテレーションを高速化、50 種以上のトップクラスの AI トレーニングフレームワークと統合
🔥SwanLab オンライン版 · 📃 ドキュメント · 問題を報告 · フィードバックを提案 · 更新履歴 · SKILL
👋 WeChat グループに参加する
- 🌟 最近の更新
- 👋🏻 SwanLab とは
- 📃 オンラインデモ
- 🏁 クイックスタート
- 💻 セルフホスティング
- 🔥 実践事例
- 🎮 ハードウェア監視
- 🚗 フレームワーク統合
- 🔌 プラグイン
- 🆚 既存ツールとの比較
- 👥 コミュニティ
- 📃 ライセンス
-
2026.06.16: 📊 HTML チャートを追加し、LLM Vibe Coding 後のページ埋め込みをサポート；Kubernetes デプロイ向け Prometheus ログ監視ソリューション が公開されました；
-
2026.06.05: ⚡️ リファクタリング版 SDK（v0.8.0）が公開され、指標記録性能が大幅に向上し、大規模トレーニングでより快適に利用できます；SwanLab CLI と Skill が公開され、AutoResearch パラダイムに対応しました；
-
2026.05.18: 📒 ログでグローバルフィルタリングをサポートし、必要なログ断片をすばやく全体から見つけられるように；チャート複製機能を追加；チャート検索に検索履歴機能を追加；チャート詳細に相対時間表示を追加；
-
2026.04.28: 🪨 プロジェクトのピン留めが利用可能になりました、チームが最も重視するプロジェクトカードを最も目立つ位置に固定可能；折れ線グラフを Hover した際の指標パネル表示を改善；
-
2026.03.25: 📊 実験ピン留めが利用可能になりました——ワンクリックで最高の実験を最も見つけやすい位置に固定；Baseline比較機能が利用可能になりました、実験と baseline を比較し差異のパーセンテージを表示、最適なパラメータ組み合わせの発見を加速；
swanlab-baseline.mp4
-
2026.03.19: 📊 実験複製機能を追加、異なるプロジェクトやチームに実験のコピーを作成できます；parallelモードが利用可能になりました、異なるプロセスで同時に指標を記録できます；実験 ID をカスタマイズできるようになりました；
-
2026.02.06: 🔥swanlab.Api が利用可能になりました、より強力な、オブジェクト指向のオープン API インターフェースを提供、ドキュメント；ECharts.Table は CSV ダウンロードをサポート；今はグラフをグループのトップに配置することができます；
完全な更新履歴
-
2026.01.28: ⚡️ LightningBoard V2 が利用可能になりました、ダッシュボードのパフォーマンスを大幅に向上；
-
2026.01.16: ⚡️ LightningBoard (Lightning Dashboard) V1 が利用可能になりました、超大規模チャート数のシナリオに最適化；チャート埋め込みリンクを追加、オンラインドキュメント（Notion、Lark など）にチャートを埋め込むことができます；
-
2026.01.02: 🥳 AMD ROCm と Iluvatar GPU のハードウェア監視をサポート；SDK に心跳パッケージ機能を追加、より安定したクラウド/オフライン接続を実現；
-
2025.12.15: 🎉SwanLab Kubernetes版 が利用可能になりました！デプロイメントドキュメント；NVIDIA NeMo RL フレームワークがSwanLabに統合，ドキュメント；
-
2025.12.01: 🕰 追加 折れ線グラフの詳細情報表示，折れ線グラフ上にホバーした状態で Shift をクリックすると詳細モードが有効になり、ログポイントの時間を表示できます；📊 チャートのグループ化で MIN/MAX 範囲エリアの表示 をサポート；
-
2025.11.17: 📊 グローバルチャート設定でX軸データソース選択とホバーモード機能をサポート、グラフ分析体験を向上；
SWANLAB_WEBHOOK機能を追加、ドキュメント -
2025.11.06: 🔪 実験分組が利用可能になりました——大量の実験の分組管理をサポート；ワークスペースページがアップグレードされ、複数の組織間での迅速な切り替えをサポート；折れ線グラフのレンダリングパフォーマンスを大幅に向上；
swanlab.initがgroupとjob_typeパラメータをサポート； -
2025.10.15: 📊 折れ線グラフ設定でX 軸データソース選択をサポート；サイドバーでテーブルビューの Pin 列を表示し、実験データの整合性を向上；
-
2025.09.22: 📊 新 UI が利用可能になりました；テーブルビューでグローバルソートとフィルタリングをサポート；データレベルでテーブルビューとグラフビューを統一；
-
2025.09.12: 🔢 スカラーチャートのサポートを追加、実験指標の統計値を柔軟に表示可能；組織管理ページ大アップグレード、より強力な権限制御とプロジェクト管理機能を提供；
-
2025.08.19: 🤔 より強力なグラフレンダリングパフォーマンスと低侵入性のローディングアニメーション、研究者が実験分析に集中できるように；優れたMLX-LM、SpecForgeフレームワークを統合、より多くのトレーニングシナリオを提供；
-
2025.08.06: 👥 トレーニング軽度コラボレーションが利用可能になりました、プロジェクト協作者の招待、プロジェクトリンクと QR コードの共有、プロジェクト Tags の表示をサポート；ワークスペースでリストビューをサポート；
-
2025.07.29: 🚀 実験のフィルタリングと並べ替えをサポート；📊 列コントロールパネルをテーブルビューに追加し、列の非表示と表示を簡単に実現可能；🔐 複数の API キーを管理できるようになり、データの安全性を向上；swanlab sync はトレーニングクラッシュログファイルをサポート；PR 曲線、ROC 曲線、混同行列が利用可能になりました、ドキュメント；
-
2025.07.17: 📊 更強力な折れ線グラフ設定をサポー、線型、色、太さ、グリッド、凡例位置などを柔軟に設定可能；📹 swanlab.Video データ型のサポートを追加、GIF 形式のファイルを記録・可視化可能；グローバルチャートダッシュボードで Y 軸と最大表示実験数を設定可能；
-
2025.07.10: 📚 更強力なテキストビューをサポート、Markdown レンダリングと方向キー切り替えをサポート、
swanlab.echarts.tableとswanlab.Textで作成可能、デモ -
2025.07.06: 🚄 再開トレーニングをサポート；新プラグイン ファイルロガー；ray フレームワークを統合、ドキュメント；ROLL フレームワークを統合、@PanAndy 氏に感謝、ドキュメント
-
2025.06.27: 小折れ線グラフの局所拡大をサポート；単一折れ線グラフの平滑化をサポート；大幅に画像グラフの拡大後のインタラクション効果を改善；
-
2025.06.20: 🤗 accelerate フレームワークを統合、PR、ドキュメント、分散トレーニング中の実験記録と分析の体験を向上させます。
-
2025.06.18: 🐜 AREAL フレームワークを統合、@xichengpro 氏に感謝、PR、ドキュメント; 🖱 サイドバーの実験にマウスをホバーすると対応する曲線がハイライト表示される機能をサポート; グループ間での折れ線グラフ比較をサポート; 実験名のトリミングルール設定をサポート;
-
2025.06.11: 📊 swanlab.echarts.table データ型のサポートを追加し、純粋なテキストチャートの表示をサポート；グループのストレッチインタラクションをサポートし、同時に表示されるチャート数を増やすことができます；テーブルビューに 指標の最大/最小値 オプションを追加；
-
2025.06.08: ♻️ ローカルで完全な実験ログファイルを保存し、swanlab sync を使用してローカルログファイルをクラウド/プライベートデプロイにアップロード；ハードウェア監視で海光 DCUをサポート；
-
2025.06.01: 🏸 グラフの自由なドラッグをサポート；ECharts カスタムグラフをサポート；PaddleNLPフレームワークを統合；ハードウェア監視でMetaX GPUをサポート；
-
2025.05.25: ログ機能で標準エラーストリームの記録をサポートし、PyTorch Lightning などのフレームワークからの出力情報をより適切に記録可能に；ハードウェア監視で Moore Threads をサポート；新たに実行コマンド記録のセキュリティ保護機能を追加、API キーは自動的に非表示に；
-
2025.05.14: 実験 Tagをサポート；折れ線グラフのLog Scaleをサポート；分组拖拽をサポート；大量の指標をアップロードする際の体験を大幅に最適化
-
2025.05.09：折れ線グラフ作成をサポート；グラフ設定機能にデータソース選択機能を追加、1 つのグラフで異なる指標を表示可能に；トレーニングプロジェクト用 GitHub バッジ生成をサポート
-
2025.04.23: 折れ線グラフの 編集 をサポート、グラフの X 軸・Y 軸のデータ範囲とタイトルスタイルを自由に設定可能に；グラフ検索で 正規表現 をサポート；Kunlun Core XPU のハードウェア検出とモニタリングをサポート。
-
2025.04.11: 折線グラフの局所選択をサポート；現在のグラフの step 範囲をサポート。
-
2025.04.08: swanlab.Molecule データ型のサポートを追加し、生物化学分子データの記録と可視化をサポート；テーブルビューのソート、フィルタリング、列順序変更の状態を保存する機能を追加。
-
2025.04.07: EvalScope との共同統合を完了しました。これにより、EvalScope 内で SwanLab を使用して 大規模モデルの性能評価 が可能になりました。
-
2025.03.30: swanlab.Settings メソッドをサポートし、実験の動作をより詳細に制御可能に；寒武紀 MLU ハードウェアの監視をサポート；Slack 通知 と Discord 通知 をサポート。
-
2025.03.21: 🎉🤗 HuggingFace Transformers は正式に SwanLab（バージョン >=4.50.0）を統合しました、#36433。Object3D チャートのサポートを追加しました。これにより、3D 点群を追跡および可視化できます, docs。ハードウェア監視は、GPU メモリ（MB）、ディスク使用率、ネットワーク送受信の記録をサポートします。
-
2025.03.12: 🎉🎉SwanLabセルフホスティング版が利用可能になりました！！🔗 ドキュメント；SwanLab はプラグイン拡張をサポートします。メール通知とLark 通知など。
-
2025.03.09: 実験サイドバーの拡張に対応；Git コードの表示ボタンを追加；sync_mlflow機能を追加し、mlflow フレームワークとの実験追跡の同期をサポート；
-
2025.03.06: DiffSynth Studioとの連携統合が完了し、現在は DiffSynth Studio で SwanLab を使用してDiffusion モデルのテキストから画像/動画の実験を追跡および可視化できます、使用方法
-
2025.03.04: MLFlow の統合を追加し、MLFlow 実験を SwanLab 実験に変換する機能をサポートしました。使用ガイド
-
2025.03.01：新機能として、実験の移動が追加されました。
-
2025.02.18：我們與 Swift 完成了聯合集成，現在你可以在 Swift 的 CLI/WebUI 中使用 SwanLab 來跟踪和可視化大模型微調實驗，使用指引。
-
2025.02.16：新機能として、チャートの移動グループ化とグループ作成が追加されました。
-
2025.02.09: veRL との共同統合を完了しました。これにより、veRL 内で SwanLab を使用して大規模モデルの強化学習実験を追跡・可視化できるようになりました。使用ガイド。
-
2025.02.05：
swanlab.logはネストされた辞書をサポートし、Jax フレームワークの特性に適応 #812；nameとnotesパラメータをサポート -
2025.01.22：
sync_tensorboardXとsync_tensorboard_torch機能を追加し、この 2 つの TensorBoard フレームワークとの実験追跡の同期をサポート -
2025.01.17：
sync_wandb機能を追加し、ドキュメント、Weights & Biases 実験追跡との同期をサポート；ログレンダリング性能を大幅に最適化 -
2025.01.11：クラウド版はプロジェクトテーブルのパフォーマンスを大幅に最適化し、ドラッグ＆ドロップ、並べ替え、フィルタリングなどのインタラクションをサポートしました。
-
2025.01.01：折れ線グラフの永続的スムージング、折れ線グラフのドラッグによるサイズ変更を追加し、チャート閲覧体験を最適化
-
2024.12.22：LLaMA Factoryとの統合を完了し、LLaMA Factory で SwanLab を使用して大規模モデルのファインチューニング実験を追跡・可視化できるようになりました。使用ガイド
-
2024.12.15：**ハードウェア監視（0.4.0）**機能をリリースし、CPU、NPU（Ascend）、GPU（Nvidia）のシステム情報の記録と監視をサポート
-
2024.11.26：環境タブのハードウェアセクションで華為昇騰 NPUと鯤鵬 CPUの識別をサポート；クラウドプロバイダーセクションで青雲基石智算の識別をサポート
SwanLab は、オープンソースで軽量な AI モデルトレーニング追跡・可視化ツールで、実験の追跡、記録、比較、コラボレーションのためのプラットフォームを提供します。
swanlab-demo.mp4
SwanLab は AI 研究者向けに設計され、使いやすい Python API と美しい UI を提供し、トレーニングの可視化、自動ログ記録、ハイパーパラメータ記録、実験比較、複数人でのコラボレーションなどの機能を提供します。SwanLab では、研究者が直感的な可視化チャートを通じてトレーニングの問題を発見し、複数の実験を比較して研究のインスピレーションを得ることができます。また、オンラインページでの共有や組織ベースの複数人でのトレーニングを通じて、チーム間のコミュニケーションの壁を打破し、組織のトレーニング効率を向上させます。
以下はその主な機能リストです：
1. 📊 実験指標とハイパーパラメータの追跡: 機械学習パイプラインに簡単に組み込めるコードで、トレーニングのキー指標を追跡
- クラウド使用をサポート（Weights & Biases のような）、どこからでもトレーニングの進捗を確認可能。携帯で実験を見る方法
- ハイパーパラメータ記録とテーブル表示をサポート
- サポートするメタデータタイプ: スカラー指標、画像、音声、テキスト、3D 点群、生物化学分子...
- サポートするチャートタイプ: 折れ線グラフ、メディアグラフ（画像、音声、テキスト、3D 点群、生物化学分子）、...
- バックグラウンドでの自動記録: ログ記録、ハードウェア環境、Git リポジトリ、Python 環境、Python ライブラリリスト、プロジェクト実行ディレクトリ
2. ⚡️ 幅広いフレームワーク統合: PyTorch、🤗HuggingFace Transformers、PyTorch Lightning、🦙LLaMA Factory、MMDetection、Ultralytics、PaddleDetetion、LightGBM、XGBoost、Keras、Tensorboard、Weights&Biases、Swift、XTuner、Stable Baseline3、Hydra など30 以上のフレームワーク
3. 💻 ハードウェア監視: CPU、NPU（昇騰 Ascend）、GPU（Nvidia）、MLU（寒武紀 MLU）、メモリのシステムレベルのハードウェア指標をリアルタイムで記録・監視
4. 📦 実験管理: トレーニングシーン向けに設計された集中型ダッシュボードで、全体ビューを一目で確認し、複数のプロジェクトと実験を迅速に管理
5. 🆚 結果の比較: オンラインテーブルと比較チャートを使用して、異なる実験のハイパーパラメータと結果を比較し、イテレーションのインスピレーションを発掘
6. 👥 オンラインコラボレーション: チームと協力してトレーニングを行い、実験をリアルタイムで同期させ、チームのトレーニング記録をオンラインで確認し、結果に基づいて意見や提案を共有可能
7. ✉️ 結果の共有: 各実験の永続的な URL をコピーして送信し、パートナーに簡単に送信したり、オンラインノートに埋め込んだり可能
8. 💻 セルフホスティング対応: オフライン環境での使用をサポートし、セルフホスティングのコミュニティ版でもダッシュボードの表示と実験の管理が可能
9. 🔌 プラグイン拡張: プラグインを使用して SwanLab の使用シナリオを拡張できます。Lark 通知、Slack 通知、CSV 記録器など。
Important
プロジェクトをスターすると、GitHub からすべてのリリース通知を遅延なく受け取れます～ ⭐️
SwanLab のオンラインデモをご覧ください：
| ResNet50 猫犬分類 | Yolov8-COCO128 物体検出 |
|---|---|
 |
 |
| 猫犬データセットでの簡単な ResNet50 モデルのトレーニングを追跡。 | Yolov8 を使用して COCO128 データセットで物体検出タスクを追跡。 |
| Qwen2 指示ファインチューニング | LSTM Google 株価予測 |
|---|---|
 |
 |
| Qwen2 大規模言語モデルの指示ファインチューニングを追跡。 | 簡単な LSTM モデルを使用して Google 株価データセットでトレーニングし、将来の株価を予測。 |
| ResNeXt101 音声分類 | Qwen2-VL COCO データセットファインチューニング |
|---|---|
 |
 |
| ResNet から ResNeXt への音声分類タスクの進化的実験プロセス | Qwen2-VL 多モーダル大規模モデルを使用して COCO2014 データセットで Lora ファインチューニング。 |
| EasyR1 multimodal LLM RL Training | Qwen2.5-0.5B GRPO Training |
|---|---|
 |
 |
| EasyR1 フレームワークを使用した多モーダル LLM RL トレーニング | Qwen2.5-0.5B モデルを GSM8k データセットで GRPO トレーニング。 |
pip install swanlabソースコードからのインストール
最新の機能を体験したい場合は、ソースコードからインストールすることができます。
# Method 1
git clone https://github.com/SwanHubX/SwanLab.git
pip install -e .
# Method 2
pip install git+https://github.com/SwanHubX/SwanLab.gitswanlab loginプロンプトが表示されたら、API キーを入力して Enter を押し、ログインを完了。
import swanlab
# 新しいSwanLab実験を初期化
swanlab.init(
project="my-first-ml",
config={'learning-rate': 0.003},
)
# 指標を記録
for i in range(10):
swanlab.log({"loss": i, "acc": i})完了！SwanLabで最初の SwanLab 実験を確認できます。
セルフホスティングコミュニティ版は、SwanLab ダッシュボードをオフラインで閲覧することをサポートしています。
詳細なデプロイメントドキュメント：
SwanLab を使用した優れたオープンソースチュートリアルプロジェクト：
- llm-agent-rl-lab: PPO、GRPO、GSPO、DAPO、OPD などを含む、LLM エージェント向け RL アルゴリズムの再現と研究。
SwanLab を使用した論文：
- Accelerating AlphaZero Training for Connect6 via Behavioral Cloning Initialization and Prior Action Masking in Resource-Constrained Environments
- SeePhys Pro: Diagnosing Modality Transfer and Blind-Training Effects in Multimodal RLVR for Physics Reasoning
- MemFactory: Unified Inference & Training Framework for Agent Memory
- ILL: A Lightweight Large Language Model for Legal and Courtroom Assistance
- Retrieval, Reward, and Training Protocols: What Matters in Training Search Agents?
- MolAct: An Agentic RL Framework for Molecular Editing and Property Optimization
- CQLLM: A Framework for Generating CodeQL Security Vulnerability Detection Code Based on Large Language Model
- Animation Needs Attention: A Holistic Approach to Slides Animation Comprehension with Visual-Language Models
- Efficient Model Fine-Tuning with LoRA for Biomedical Named Entity Recognition
- SpectrumWorld: Artificial Intelligence Foundation for Spectroscopy
- CodeBoost: Boosting Code LLMs by Squeezing Knowledge from Code Snippets with RL
- A Joint Classification Method for Traditional Chinese Medicine Diseases and Syndromes Based on BertChinese-RCNNATTN
- A Gradient-Norm-Aware Optimizer for Symmetry-Preserving and Stable Deep Learning
- TrafficBM: A Dual-Modality Pre-Training Framework for Network Traffic Classification
- Using Human Cumulative Prospect Theory to Understand Large Language Models Decision-Making
- BiPACE: Bisimulation-Guided Policy Optimization with Action Counterfactual Estimation for LLM Agents
SwanLabはAIトレーニング中に使用されるハードウェア情報とリソース使用状況を記録します。対応状況は以下の通りです：
| ハードウェア | 情報記録 | リソース監視 | スクリプト |
|---|---|---|---|
| NVIDIA GPU | ✅ | ✅ | nvidia.py |
| AMD GPU | ✅ | ✅ | amd.py |
| 昇騰NPU（Huawei Ascend） | ✅ | ✅ | ascend.py |
| 寒武紀MLU（Cambricon） | ✅ | ✅ | cambricon.py |
| 昆崙芯XPU（Kunlunxin） | ✅ | ✅ | kunlunxin.py |
| 摩爾線程GPU（Moore Threads） | ✅ | ✅ | moorethreads.py |
| 沐曦GPU（MetaX） | ✅ | ✅ | metax.py |
| 天數智芯GPU（Iluvatar） | ✅ | ✅ | iluvatar.py |
| 海光DCU（Hygon） | ✅ | ✅ | hygon.py |
| CPU | ✅ | ✅ | cpu.py |
| メモリ | ✅ | ✅ | memory.py |
その他のハードウェアの監視をご希望の場合は、IssueやPRをお気軽にご提出ください！
お気に入りのフレームワークを SwanLab と統合しましょう！
以下は既に統合されているフレームワークのリストです。統合してほしいフレームワークがあれば、Issueを提出してフィードバックをお願いします。
基本フレームワーク
LLMトレーニングフレームワーク
- HuggingFace Transformers
- LLaMA Factory
- MS-Swift
- Unsloth
- MLX-LM
- Torchtune
- Sentence Transformers
- XTuner
- OpenMind
LLM強化学習フレームワーク
ロボットフレームワーク
テキストから画像/動画生成フレームワーク
ディープラーニングフレームワーク
コンピュータビジョンフレームワーク
機械学習フレームワーク
評価フレームワーク
伝統的強化学習フレームワーク
その他のフレームワーク：
プラグインを通じて SwanLab の機能を拡張し、実験管理体験を向上させましょう！
-
☁️ オンライン使用をサポート： SwanLab を使用すると、トレーニング実験をクラウド上で簡単に同期・保存でき、リモートでトレーニングの進捗を確認したり、過去のプロジェクトを管理したり、実験リンクを共有したり、リアルタイムのメッセージ通知を送信したり、複数のデバイスで実験を確認したりできます。一方、Tensorboard はオフラインの実験追跡ツールです。
-
👥 複数人でのコラボレーション： 複数人やチーム間での機械学習コラボレーションを行う場合、SwanLab を使用すると、複数人のトレーニングプロジェクトを簡単に管理し、実験リンクを共有し、異なるスペースで議論や意見交換ができます。一方、Tensorboard は主に個人向けに設計されており、複数人でのコラボレーションや実験の共有が難しいです。
-
💻 永続的で集中型のダッシュボード： どこでモデルをトレーニングしても、ローカルマシン、ラボのクラスター、またはパブリッククラウドの GPU インスタンスであっても、結果は同じ集中型ダッシュボードに記録されます。一方、TensorBoard を使用する場合、異なるマシンから TFEvent ファイルをコピーして管理するのに時間がかかります。
-
💪 より強力なテーブル： SwanLab のテーブルを使用すると、異なる実験からの結果を表示、検索、フィルタリングでき、数千のモデルバージョンを簡単に確認し、さまざまなタスクに最適なパフォーマンスのモデルを見つけることができます。 TensorBoard は大規模なプロジェクトには適していません。
-
Weights and Biases は、インターネット接続が必須のクローズドソースの MLOps プラットフォームです。
-
SwanLab は、インターネット接続をサポートするだけでなく、オープンソースで無料のセルフホスティング版も提供しています。
- self-hosted: プライベートデプロイメントスクリプトリポジトリ。
- SwanLab-Docs: 公式ドキュメントリポジトリ。
- SwanLab-Dashboard: オフラインダッシュボードリポジトリ。
swanlab watchで開かれる軽量オフラインダッシュボードのウェブコードが含まれています。
- GitHub Issues：SwanLab 使用中に発生したエラーや問題
- メールサポート：SwanLab の使用に関する問題のフィードバック
- WeChat グループ：SwanLab の使用に関する問題の議論や最新の AI 技術の共有
SwanLab を仕事で使用している場合、SwanLab バッジを README に追加してください：
、
[](your experiment url)
[](your experiment url)
さらにデザイン素材：assets
SwanLab があなたの研究の旅に役立った場合は、以下の形式で引用を検討してください：
@software{Zeyilin_SwanLab_2023,
author = {Zeyi Lin, Shaohong Chen, Kang Li, Qiushan Jiang, Zirui Cai, Kaifang Ji and {The SwanLab team}},
doi = {10.5281/zenodo.11100550},
license = {Apache-2.0},
title = {{SwanLab}},
url = {https://github.com/swanhubx/swanlab},
year = {2023}
}SwanLab に貢献したいですか？まず、貢献ガイドをお読みください。
また、ソーシャルメディア、イベント、カンファレンスでの共有を通じて SwanLab をサポートすることも大歓迎です。心から感謝します！
貢献者
このリポジトリは Apache 2.0 License オープンソースライセンスに従います