منصوبے کے بارے میں

Aim مشین لرننگ کے لیے ایک اوپن سورس، خود میزبان تجرباتی ٹریکنگ ٹول ہے، جو بڑی تعداد میں تربیتی رنز کو سنبھالنے کے لیے ڈیزائن کیا گیا ہے۔ یہ تربیتی رنز اور AI میٹاڈیٹا لاگ کرتا ہے، ان کے موازنہ اور مشاہدے کے لیے UI فراہم کرتا ہے، اور پروگراماتی استفسار کے لیے API ظاہر کرتا ہے۔ README میں بیان کردہ بنیادی صلاحیتیں: - ML تجربات اور صوابدیدی میٹاڈیٹا کی لاگنگ، مقبول ML فریم ورکس کے لیے انٹیگریشنز کے ساتھ۔ - میٹاڈیٹا کو دیکھنے اور موازنہ کرنے کے لیے UI، جس میں گروپنگ، ایگریگیشن، اور Python اظہارات کے ذریعے استفسار شامل ہے۔ - سسٹم کی معلومات اور وسائل کے استعمال کی ٹریکنگ، تربیتی پیش رفت پر ریئل ٹائم الرٹنگ، اور قابل ترتیب اطلاعات۔ - ٹیگز اور تجربات کے ذریعے رنز کی تنظیم، ڈیبگنگ کے لیے تفصیلی رن معلومات، اور ایک مرکزی ڈیش بورڈ۔ - TensorBoard، MLflow، اور Weights & Biases سے لاگز منتقل کرنے کے لیے بلٹ اِن کنورٹرز؛ SDK کے ذریعے حسب ضرورت تبدیلیاں ممکن ہیں۔ - درج کردہ انٹیگریشنز میں PyTorch Ignite، PyTorch Lightning، Hugging Face، Keras/tf.Keras، Keras Tuner، XGBoost، CatBoost، LightGBM، fastai، MXNet، اور Optuna شامل ہیں۔ - قابل ٹریک آبجیکٹ اقسام میں میٹرکس، تصاویر، متن، آڈیو، اور ڈسٹری بیوشنز شامل ہیں۔ فوری آغاز: pip کے ذریعے انسٹال کریں، ایک Run بنائیں، run.track کے ساتھ پیرامیٹرز اور میٹرکس لاگ کریں، پھر `aim up` کے ساتھ UI لانچ کریں۔ یہ پروجیکٹ Aim پر مبنی ٹولز کے ایک ایکو سسٹم کی طرف بھی اشارہ کرتا ہے جیسے aimlflow اور Aim-spaCy، اور مشین ٹرانسلیشن، GAN، FastSpeech 2، اور MNIST تجربات کے لیے لائیو ڈیمو پیش کرتا ہے۔