[ADVICE] 好是好，但是我觉得wandb有个最关键的功能是支持调参（sweep），swanlab似乎还没有这个功能

[2catycm]

🤪 Features description [Please make everyone to understand it]

我想要用swanlab替代wandb，但是我发现替代不了，因为没有我最需要的sweep功能。

👍 What problem does this feature solve

增加一个接口 swanlab sweep，读取某种配置文件或者python文件（我觉得python文件最好，有dataclass可以限定强类型，参考meta的hydra库里面的 structured config ），然后根据文件指定的超参数分布信息来调参

👾 What does the proposed API look like

类似wandb的sweep
但是我认为我们可以做得更好，我们是开源的，wandb是封闭的无法修改的调参算法，只支持少量的受限的算法。
我觉得既然swanlab主打开源，应该接入optuna、ray tune、hebo、nevergrad、geatpy等开源的调参库，这些库算法很丰富，如果接入成功，我们就可以超过wandb。

wandb有个比较有趣的设计是，一开始不自动调参可以先人工跑实验，记录下运行效果；然后用户觉得要开始sweep了，wandb可以自动推荐一个sweep的配置，根据之前人工实验记录下来的参数。

🚑 Any additional [like screenshots]

可以参考 谷歌调参手册 https://github.com/schrodingercatss/tuning_playbook_zh_cn 里面的哲学来设计。

这本手册里面提到，调参是在探索与利用的平衡，我们有一个swanlab这样的记录机器学习参数和性能的软件，其实就是为了探索清楚这背后的自变量和因变量的关系，获得更多的实验insight。

这本手册指出了三类变量，固定超参（比如batch size应该根据硬件允许的范围设置最大，后续实验保持不变）、冗余超参（优化到最优）和自变量超参（实验研究的目标，比如选择我的方法还是其他人的方法，我自己的方法ablation study选择哪个参数）

[Zeyi-Lin]

你的建议非常好与珍贵！我们会积极采纳你的建议，在合适的时机推出我们的“swanlab sweep”。
也希望更多开发者能为我们贡献sweep这块的建议和指引，让更多人调参体验更好