इस प्रोजेक्ट के बारे में

Aim मशीन लर्निंग के लिए एक ओपन-सोर्स, सेल्फ-होस्टेड प्रयोग ट्रैकिंग टूल है, जिसे बड़ी संख्या में ट्रेनिंग रन संभालने के लिए डिज़ाइन किया गया है। यह ट्रेनिंग रन और AI मेटाडेटा लॉग करता है, उनकी तुलना और अवलोकन के लिए UI प्रदान करता है, और प्रोग्रामेटिक क्वेरी के लिए API उपलब्ध कराता है। README में वर्णित मुख्य क्षमताएँ: - ML प्रयोगों और मनमाने मेटाडेटा का लॉगिंग, लोकप्रिय ML फ्रेमवर्क के लिए इंटीग्रेशन के साथ। - मेटाडेटा को विज़ुअलाइज़ और तुलना करने के लिए UI, जिसमें ग्रुपिंग, एग्रीगेशन, और Python एक्सप्रेशन के माध्यम से क्वेरी शामिल है। - सिस्टम जानकारी और संसाधन उपयोग की ट्रैकिंग, ट्रेनिंग प्रगति पर रीयल-टाइम अलर्टिंग, और कॉन्फ़िगर करने योग्य नोटिफिकेशन। - टैग और प्रयोगों के माध्यम से रन का संगठन, डिबगिंग के लिए विस्तृत रन जानकारी, और एक केंद्रीकृत डैशबोर्ड। - TensorBoard, MLflow, और Weights & Biases से लॉग माइग्रेट करने के लिए अंतर्निहित कन्वर्टर; SDK के माध्यम से कस्टम कन्वर्ज़न संभव। - सूचीबद्ध इंटीग्रेशन में PyTorch Ignite, PyTorch Lightning, Hugging Face, Keras/tf.Keras, Keras Tuner, XGBoost, CatBoost, LightGBM, fastai, MXNet, और Optuna शामिल हैं। - समर्थित ट्रैक करने योग्य ऑब्जेक्ट प्रकारों में मेट्रिक्स, इमेज, टेक्स्ट, ऑडियो, और डिस्ट्रिब्यूशन शामिल हैं। क्विक स्टार्ट: pip के माध्यम से इंस्टॉल करें, एक Run बनाएँ, run.track के साथ पैरामीटर और मेट्रिक्स लॉग करें, फिर `aim up` के साथ UI लॉन्च करें। प्रोजेक्ट Aim-आधारित टूल्स के एक इकोसिस्टम की ओर भी इशारा करता है जैसे aimlflow और Aim-spaCy, और मशीन ट्रांसलेशन, GAN, FastSpeech 2, और MNIST प्रयोगों के लिए लाइव डेमो प्रदान करता है।