aimhubio/aim

项目概览

项目自述称其在训练运行比较上比 TensorBoard 和 MLflow 快一个数量级，专为处理数千次运行而构建。

项目类型

评测观测 · 基础设施

应用场景

数据分析

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 需要自托管、免费且开源的实验追踪工具的 AI 工程师和数据团队。
• 需要处理和比较数千次运行，并希望基于参数进行深度分析的用户。

核心能力

• 记录机器学习训练运行、指标、参数以及任何 AI 元数据。
• 提供一个 UI，用于探索、可视化和比较跨运行的元数据、指标、图像和音频。
• 支持以编程方式访问已追踪的元数据，用于自动化流程和 Jupyter Notebook 分析。
• 提供转换器，可以从 TensorBoard、MLflow 和 Weights & Biases 等其他工具轻松迁移日志。
• 允许在多主机环境中运行实验，并将追踪的数据收集到集中位置。
• 追踪系统信息、环境变量、CLI 参数、依赖项和资源使用情况。
• 针对训练进度提供实时告警，并在运行卡住时发送通知。
• 计划中的 UI 资源管理器，用于可视化分布数据。

限制与风险

• 当探索数千个指标且每个指标有数万个步骤时，UI 可能会变得不稳定。

如何开始

• 通过单个 pip 命令安装，在代码中集成追踪代码后，运行 CLI 命令即可启动 UI。

核验依据

• GitHub 项目简介: An easy-to-use & supercharged open-source experiment tracker
• README: Aim is an open-source, self-hosted ML experiment tracking tool designed to handle 10,000s of training runs.
• README: System info and resource usage tracking
• README: run.track(i, name='loss', step=i, context={ "subset":"train" })
• README: run["hparams"] = { "learning_rate": 0.001, "batch_size": 32, }

内容核验时间：