tensorboard
swanlab
mlflow
1. 🇺🇸Tensorboard: 老牌工具，尚能饭否
Tensorboard，包括用于 Pytorch 的 TensorboardX，Tensorboard 本身被设计成插件化的方式，好处是轻量、轻耦合，可以按需要很快的自定义一个新的 tab，这种方式的缺点是缺少一个用户整体的视图，用户很难在宏观视角上对整个训练流程有一个比较清楚的认识。
特点:
- 出的比较早，格式通用，但功能相对单薄，用户体验已跟不上新的工具
- 虽然是跟 Tensorflow 出的，但并不仅限于 Tensorflow，Pytorch也能用（通过TensorboardX）
- 实验全流程记录
- 报表和跟其他系统的兼容性比较好，因为出的早?...
- 适合单人使用，没有团队功能
- 开源项目里带的比较多
2. 🇨🇳SwanLab: 国产新星，简洁易用
SwanLab是2024年推出的深度学习可视化工具，来自一支年轻的中国团队，支持云端+离线两种使用方式。SwanLab的UI设计应该是所有这类工具里面最现代的、交互最阳间的（类似Vercel的Next设计风格），Python API的设计基本上对标Wandb做的，综合实力不错。不过因为比较新的关系，一些高级功能还有待完善。
特点:
- 整体UI交互体验拉满，很好看
- 有云端版，所以手机上也能看实验
- 适配框架很多，有接近30个，基本上主流的不主流的都覆盖了；因为是中国团队的关系，也适配了很多国产框架（LLaMA Factory、XTuner、ModelScope Swift等等）
- 实验全流程记录，超参数记录，日志记录，硬件环境记录，GPU实时监控，Python库记录，一体化表格对比
- 支持华为昇腾显卡，应该是这类工具里唯一一款能记录昇腾NPU的显存变化的
- 支持团队使用
- 推出时间较短，所以一些功能还有待健全，比如超参数搜索、模型数据存储这些都还没有
3. 🇺🇸Wandb: 云端协作，功能强大
wandb 就是 Weights & Biases，出的比较早，团队最早是因为tensorboard不是很好用，所以重新设计了一个实验跟踪可视化系统，Python API设计的很简洁易用。在综合功能上应该是最强的，有不少像超参数搜索、模型存储这样的功能。在UI交互上有些地方设计不是很好，用久了会会有点烦躁；以及因为服务器在海外的关系，访问和上传容易炸。
特点：
- 功能很完善，基于cover了上面提到的基本功能，覆盖了机器学习pipeline的各个环节
- Reports 功能很有特点，基本上就是把你的实验整理成一个 blog 文档，你做的什么实验、怎么做的、选的那些参数为什么这么选，都可以有个记录，形成文档之后可以把相关的实验附上去，请团队的人或者其他感兴趣的人一起来探讨，隐隐有点社区的意思，赞！
- 支持团队使用
- 服务器在海外，国内用起来有点顶，网页经常要加载半天
4. 🇺🇸mlflow: 模型管理，功能全面
mlflow, Databrick 出品，没错就是 Spark 家那个，功能上跟其他项目比也没有他多的出入。
特点:
- 功能比较全面，性能很好
- 开源免费，私有化部署不少用这个
- UI有点难懂，学习成本较高
- 可视化功能相对较弱
