日志管理

NextRec 用 session_id 来区分单次训练，会把一次训练/推理的产物组织到一个session目录里，便于复现实验与线上排查。

用户通过在初始化模型时传入 session_id 参数来进行定义。例如：

model = DeepFM(
    dense_features=dense_features,
    sparse_features=sparse_features,
    mlp_params={"hidden_dims": [256, 128], "activation": "relu", "dropout": 0.2},
    target="label",
    device="cpu",
    session_id="movielens_deepfm",   # 管理实验日志与检查点
)

当开始训练后，会在当前路径下生成nextrec_logs/路径，用于存放中间文件，示例结构如下：

nextrec_logs/
└── {session_id}/
    ├── {MODEL}_checkpoint.pt    # 中间检查点
    ├── {MODEL}_best.pt          # 最佳模型
    ├── feature_config.pkl       # 特征管理中间文件
    ├── runs_log.txt             # 日志
    └── training_metrics.jsonl   # tensorboard日志文件

NextRec CLI 集成

在命令行工具NextRec CLI中，通过修改训练配置文件中的session参数来进行调整日志路径和session id。

session:
  id: my_experiment
  artifact_root: ./nextrec_logs

使用Wandb & SwanLab

Wandb和SwanLab是在线训练日志平台，支持将实时的训练指标和实验记录进行上传记录，能够帮助算法工程师在记录和对比多次实验。NextRec也提供了相应的接口，只需要在使用模型的fit方法时配置对应参数即可。

参数说明

参数	说明
use_wandb	是否使用wandb
use_swanlab	是否使用swanlab
wandb_api	wandb api key
swanlab_api	swanlab api key
wandb_kwargs	wandb可选的额外参数，例如{"project": "nextrec"}
swanlab_kwargs	swanlab可选的额外参数，例如{"project": "nextrec"}
note	本次训练的备注信息记录

---

下一步

• 分布式训练 - 了解使用NextRec进行分布式训练