知识点 › 模型训练
实验管理
Experiment Tracking
定义
记录每次实验的配置、数据、指标、权重、日志：MLflow / W&B / 自研。目标是「三个月后还能说清哪次改动带来的涨点」。
关键要点
- 实验要能被检索（按数据集/模型/指标），否则等于没记
- 离线指标要自动汇总成对比表，人工抄数必然出错
- 消融实验要单变量，否则归因全是猜
面试怎么答
讲「单变量消融 + 自动汇总」，并说你怎么避免「玄学涨点」。
相关知识
- 训练平台 — 把「任务提交 → 数据挂载 → 分布式训练 → 日志监控 → 权重归档」做成自助服务。关键能力：多机多卡调度、断点续训…