训练-自动魔法实验管理器和人工智能版本控制
trains的Python项目详细描述
列车
自动魔法实验管理器&ai版本控制
"因为外面是丛林"
trains是我们解决这个问题的方法,我们与机器中无数的其他研究人员和开发人员分享这个方法。 学习/深度学习领域:培训生产级深度学习模型是一个光荣而混乱的过程。 通过关联代码版本控制、研究项目、开发计划、开发计划和开发计划,对流程进行跟踪和控制。 性能指标和模型来源。
我们专门设计了需要轻松集成的训练,这样团队就可以保留他们现有的方法 以及实践。每天使用它来提高协作和可见性,或者使用它来自动收集 您的实验记录、输出和数据都集中到一个服务器。
(体验列车的现场直播地址:https://demoapp.trainsai.io" rel="nofollow">https://demoapp.trainsai.io)
使用列车
火车是由两部分组成的解决方案:
trainspython包自动神奇地与代码连接
列车完全集成只需要两行代码。
把你的代码和trai连接起来NS:
安装列车
pip install trains
将以下行添加到代码中
from trains import Task task = Task.init(project_name="my project", task_name="my task")
- 如果未提供项目名称,则将使用存储库名称
- 如果未提供任务名称(实验),则将使用当前文件名
运行代码。当列车连接到服务器时,会打印一个链接。例如
TRAINS Results page: https://demoapp.trainsai.io/projects/76e5e2d45e914f52880621fe64601e85/experiments/241f06ae0f5c4b27b8ce8b64890ce152/output/log
打开链接并查看您的实验参数、模型和Tensorboard指标
我们在https://demoapp.trainsai.io上安装并运行了一个演示服务器。你可以试试火车,用它测试你的代码。 请注意,它每24小时重置一次,所有数据都会被删除。
准备好使用自己的Trains服务器后,请继续安装Trains服务器。
配置自己的Trains服务器
安装并运行Trains服务器(请参见安装Trains服务器)
运行列车安装的初始配置向导,并按照说明设置列车包 (http://训练服务器IP:端口和用户凭据)
trains-init
安装和配置后,您可以在~/trains.conf
示例配置文件在这里可用 列车由快板后面的同一组人支持。
在这里,我们为企业公司建立深入的学习管道和基础设施。 我们建造了列车来跟踪和控制培训生产级深度学习模型光荣而混乱的过程。
我们致力于大力支持和扩大列车的能力。 我们相信火车正在破土动工。我们希望在年建立新的实验管理标准。
深入学习和学习。只有更大的社区才能帮助我们做到这一点。 我们承诺永远保持落后的兼容性。如果你今天开始在火车上工作,
即使此项目目前处于测试阶段,您的日志和数据也将始终随您一起升级。 apache许可证,2.0版(有关详细信息,请参见许可证) 有关更多示例和用例,请查看示例我们是谁
为什么我们要放火车?
许可证
社区和支持
如果您有任何问题,请查看火车常见问题解答,或 在stackoverflow标签上标记您的问题。
对于功能请求或错误报告,请使用github问题github问题
此外,您可以随时在trains@allegro.ai找到我们
贡献
请参阅trains贡献指南