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。
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