欢迎光临
我们一直在努力

跑得比TensorBoard快多了,极简可视化工具Aim发布 | Reddit高热

原标题:跑得比TensorBoard快多了,极简可视化工具Aim发布 | Reddit高热 来源:量子位

关注前沿科技

晓查 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

晓查 发自 凹非寺 

量子位 报道 | 公众号 QbitAI

来自加州伯克利的团队开源了Aim,一个号称搜索速度比TensorBoard快好几倍的机器学习可视化工具包,在Reddit上成为高热话题。

Aim可以在几分钟内记录、搜索和比较100项实验,而在TensorBoard或MLFlow上进行大量实验比较可能需要花费数小时。这对于实验管理非常有用,而且Aim超级容易上手。

和TensorBoard/MLFlow相比,Aim的优点主要是支持:

按参数进行搜索、分组

分列图表

汇总大量实验查看趋势

其他较小的实验指标和参数操作

比如,我们只想看训练集上的试验结果,将context.subset设置为train:

如果还想在搜索结果的基础上做进一步的筛选,去掉学习率0.00001的部分,只需再加入一个and条件:

如果对图中某个数据点感兴趣,点击它即可快速定位到相应表格位置。

是不是很方便?虽然界面可能简陋了点,但简洁易用就是Aim的主要特色。有网友表示,Aim看起来非常整洁,搜索语言看起来也很易用。

近年来,AI实验方面诞生了像trains和wandb这类第三方可视化工具。与这类工具比较,Aim在速度和数据隐私方面有很大的优势。

安装使用

运行Aim需要安装Docker,Aim本身通过pip方式安装。

pip3 install aim-cli

输入以下命令即可运行Aim的UI:

aim up

前提是你要在自己的AI模型里导入Aim

import aim

aim.set_params(hyperparam_dict, name=’params_name’)

aim.track(metric_value, name=’metric_name’, epoch=the_epoch_value)

Aim提供的方法有跟踪数据(track)、设置超参数(set_params)、指定自定义目录(session)。

最近,作者又给Aim加入了一项新功能:支持使用Tensorboard日志。方法如下:

aim up –tf_logs path/to/logs

此命令将在TensorFlow摘要日志上启动Aim,并从给定路径递归加载日志。

Aim的开发者承诺未来将提供Pytorch Lightning和Keras集成。

GitHub地址:

https://github.com/Aimhubio/Aim

未经允许不得转载:皇冠足球导航网_皇冠足球管理网 » 跑得比TensorBoard快多了,极简可视化工具Aim发布 | Reddit高热