跑得比TensorBoard快多了，极简可视化工具Aim发布

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

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