aim

Aim est un outil open source auto-hébergé de suivi d'expériences pour le machine learning, conçu pour gérer un grand nombre d'exécutions d'entraînement. Il journalise les exécutions d'entraînement et les métadonnées IA, fournit une UI pour les comparer et les observer, et expose une API pour les requêtes programmatiques. Capacités principales décrites dans le README : - Journalisation des expériences ML et de métadonnées arbitraires, avec des intégrations pour les frameworks ML populaires. - Une UI pour visualiser et comparer les métadonnées, incluant le regroupement, l'agrégation et les requêtes via des expressions Python. - Suivi des informations système et de l'utilisation des ressources, alertes en temps réel sur la progression de l'entraînement et notifications configurables. - Organisation des exécutions via des tags et des expériences, informations détaillées sur les exécutions pour le débogage et tableau de bord centralisé. - Convertisseurs intégrés pour migrer les journaux depuis TensorBoard, MLflow et Weights & Biases ; conversions personnalisées possibles via le SDK. - Les intégrations listées incluent PyTorch Ignite, PyTorch Lightning, Hugging Face, Keras/tf.Keras, Keras Tuner, XGBoost, CatBoost, LightGBM, fastai, MXNet et Optuna. - Les types d'objets traçables pris en charge incluent les métriques, les images, le texte, l'audio et les distributions. Démarrage rapide : installation via pip, création d'un Run, journalisation des paramètres et métriques avec run.track, puis lancement de l'UI avec `aim up`. Le projet renvoie également vers un écosystème d'outils basés sur Aim tels que aimlflow et Aim-spaCy, et propose des démos en direct pour des expériences de traduction automatique, GAN, FastSpeech 2 et MNIST.