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
如若转载,请注明出处:https://www.ozabc.com/keji/58066.html