Введение
При работе с приложениями машинного обучения специалистам по обработке и анализу данных требуются значительные усилия по управлению и координации, поскольку им приходится регулярно совместно анализировать, оценивать и обновлять множество различных моделей с различными метаданными. В этой статье представлена HuoguoML система управления моделями, которая пытается упростить рабочий процесс.
- Страница: https://huoguoml.github.io/
- Репо: https://github.com/huoguoml/huoguoml
Начиная
HuoguoML можно установить через PyPI. Установите стабильную версию HuoguoML через PyPI:
pip install huoguoml
или получить версию для разработки, которая обновляется при каждом коммите в основной ветке:
pip install huoguoml-dev
Быстрый старт
После установки пакета pip вы сможете импортировать пакет HuoguoML и отслеживать метаданные вашего эксперимента:
import huoguoml with huoguoml.start_experiment_run("mnist", artifact_dir="./") as run: run.log_parameter("batch_size", 32) run.log_metric("accuracy", 92.75) run.log_tag("framework", "tensorflow")
Затем метаданные можно визуализировать с помощью встроенной панели инструментов:
huoguoml server --host 127.0.0.1 --port 8080 --artifact_dir=./
Следующие шаги
Вы готовы начать. Посетите свою документацию, чтобы получить более полное представление о HuoguoML, или ознакомьтесь с примерами, чтобы получить больше практического опыта.
- Репо: https://github.com/huoguoml/huoguoml/examples
- Документы: https://steven-mi.gitbook.io/huoguoml