極簡可視化工具Aim發(fā)布，跑得比TensorBoard快多了
Reddit高熱
曉查 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
來自加州伯克利的團隊開源了Aim，一個號稱搜索速度比TensorBoard快好幾倍的機器學(xué)習(xí)可視化工具包，在Reddit上成為高熱話題。
Aim可以在幾分鐘內(nèi)記錄、搜索和比較100項實驗，而在TensorBoard或MLFlow上進(jìn)行大量實驗比較可能需要花費數(shù)小時。這對于實驗管理非常有用，而且Aim超級容易上手。
和TensorBoard/MLFlow相比，Aim的優(yōu)點主要是支持：
- 按參數(shù)進(jìn)行搜索、分組
- 分列圖表
- 匯總大量實驗查看趨勢
- 其他較小的實驗指標(biāo)和參數(shù)操作
比如，我們只想看訓(xùn)練集上的試驗結(jié)果，將context.subset設(shè)置為train：
如果還想在搜索結(jié)果的基礎(chǔ)上做進(jìn)一步的篩選，去掉學(xué)習(xí)率0.00001的部分，只需再加入一個and條件：
如果對圖中某個數(shù)據(jù)點感興趣，點擊它即可快速定位到相應(yīng)表格位置。
是不是很方便？雖然界面可能簡陋了點，但簡潔易用就是Aim的主要特色。有網(wǎng)友表示，Aim看起來非常整潔，搜索語言看起來也很易用。
近年來，AI實驗方面誕生了像trains和wandb這類第三方可視化工具。與這類工具比較，Aim在速度和數(shù)據(jù)隱私方面有很大的優(yōu)勢。
安裝使用
運行Aim需要安裝Docker，Aim本身通過pip方式安裝。
pip3 install aim-cli
輸入以下命令即可運行Aim的UI：
aim up
前提是你要在自己的AI模型里導(dǎo)入Aim
import aim…aim.set_params(hyperparam_dict, name=’params_name’)aim.track(metric_value, name=’metric_name’, epoch=the_epoch_value)…
Aim提供的方法有跟蹤數(shù)據(jù)（track）、設(shè)置超參數(shù)（set_params）、指定自定義目錄（session）。
最近，作者又給Aim加入了一項新功能：支持使用Tensorboard日志。方法如下：
aim up –tf_logs path/to/logs
此命令將在TensorFlow摘要日志上啟動Aim，并從給定路徑遞歸加載日志。
Aim的開發(fā)者承諾未來將提供Pytorch Lightning和Keras集成。
GitHub地址：
https://github.com/Aimhubio/Aim
相關(guān)閱讀
