Aim di Spaces

Aim adalah pelacak eksperimen open-source yang mudah digunakan dan supercharged. Aim mencatat run pelatihan Anda dan menyediakan UI yang indah untuk membandingkannya serta API untuk mengkuerynya secara programatik. Insinyur ML dan peneliti menggunakan Aim explorers untuk membandingkan ribuan run pelatihan dalam beberapa klik.

Lihat dokumentasi Aim untuk mempelajari lebih lanjut tentang Aim. Jika Anda memiliki ide untuk fitur baru atau menemukan bug, silakan membuat permintaan fitur atau melaporkan bug.

Pada bagian-bagian berikut, Anda akan mempelajari cara mendeploy Aim di Hugging Face Hub Spaces dan menjelajahi run pelatihan Anda langsung dari Hub.

Deploy Aim di Spaces

Anda dapat mendeploy Aim di Spaces dengan satu klik!

Setelah Anda membuat Space, Anda akan melihat status Building, dan begitu statusnya menjadi Running, Space Anda siap digunakan!

Sekarang, saat Anda menavigasi ke bagian App Space Anda, Anda dapat mengakses Aim UI.

Bandingkan eksperimen Anda dengan Aim di Spaces

Mari kita gunakan contoh cepat CNN PyTorch yang dilatih pada MNIST untuk mendemonstrasikan deployment Aim on Spaces secara end-to-end. Contoh lengkapnya ada di folder contoh repo Aim.

from aim import Run
from aim.pytorch import track_gradients_dists, track_params_dists

# Initialize a new Run
aim_run = Run()
...
items = {'accuracy': acc, 'loss': loss}
aim_run.track(items, epoch=epoch, context={'subset': 'train'})

# Track weights and gradients distributions
track_params_dists(model, aim_run)
track_gradients_dists(model, aim_run)

Eksperimen yang dilacak oleh Aim disimpan di folder .aim. Untuk menampilkan log dengan Aim UI di Space Anda, Anda perlu mengompres folder .aim menjadi file tar.gz dan mengunggahnya ke Space Anda menggunakan git atau bagian Files and Versions di Space Anda.

Berikut adalah perintah bash untuk itu:

tar -czvf aim_repo.tar.gz .aim

Itu saja! Sekarang buka bagian App dari Space Anda dan Aim UI tersedia dengan log Anda. Berikut yang dapat Anda harapkan:

Saring run Anda menggunakan pencarian Pythonic dari Aim. Anda dapat menulis query Pythonic terhadap SEMUA yang telah Anda lacak - metrik, hiperparameter, dan sebagainya. Lihat beberapa contoh di HF Hub Spaces.

Perhatikan bahwa jika log Anda dalam format TensorBoard, Anda dapat dengan mudah mengonversi mereka ke Aim dengan satu perintah dan menggunakan banyak fitur perbandingan run pelatihan yang canggih dan berkinerja tinggi yang tersedia.

Lebih lanjut tentang HF Spaces

• Ruang Docker HF
• Contoh ruang Docker HF

Umpan Balik dan Dukungan

Jika Anda memiliki saran perbaikan atau membutuhkan dukungan, silakan buka masalah di repo GitHub Aim.

Discord komunitas Aim juga tersedia untuk diskusi komunitas.