本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

來(lái)自加州伯克利的團(tuán)隊(duì)開(kāi)源了Aim，一個(gè)號(hào)稱搜索速度比TensorBoard快好幾倍的機(jī)器學(xué)習(xí)可視化工具包，在Reddit上成為高熱話題。

Aim可以在幾分鐘內(nèi)記錄、搜索和比較100項(xiàng)實(shí)驗(yàn)，而在TensorBoard或MLFlow上進(jìn)行大量實(shí)驗(yàn)比較可能需要花費(fèi)數(shù)小時(shí)。這對(duì)于實(shí)驗(yàn)管理非常有用，而且Aim超級(jí)容易上手。

和TensorBoard/MLFlow相比，Aim的優(yōu)點(diǎn)主要是支持：

• 按參數(shù)進(jìn)行搜索、分組
• 分列圖表
• 匯總大量實(shí)驗(yàn)查看趨勢(shì)
• 其他較小的實(shí)驗(yàn)指標(biāo)和參數(shù)操作

比如，我們只想看訓(xùn)練集上的試驗(yàn)結(jié)果，將context.subset設(shè)置為train：

如果還想在搜索結(jié)果的基礎(chǔ)上做進(jìn)一步的篩選，去掉學(xué)習(xí)率0.00001的部分，只需再加入一個(gè)and條件：

如果對(duì)圖中某個(gè)數(shù)據(jù)點(diǎn)感興趣，點(diǎn)擊它即可快速定位到相應(yīng)表格位置。

是不是很方便？雖然界面可能簡(jiǎn)陋了點(diǎn)，但簡(jiǎn)潔易用就是Aim的主要特色。有網(wǎng)友表示，Aim看起來(lái)非常整潔，搜索語(yǔ)言看起來(lái)也很易用。

近年來(lái)，AI實(shí)驗(yàn)方面誕生了像trains和wandb這類(lèi)第三方可視化工具。與這類(lèi)工具比較，Aim在速度和數(shù)據(jù)隱私方面有很大的優(yōu)勢(shì)。

安裝使用

運(yùn)行Aim需要安裝Docker，Aim本身通過(guò)pip方式安裝。

pip3 install aim-cli

輸入以下命令即可運(yùn)行Aim的UI：

aim up

前提是你要在自己的AI模型里導(dǎo)入Aim

import aim…aim.set_params(hyperparam_dict, name=’params_name’)aim.track(metric_value, name=’metric_name’, epoch=the_epoch_value)…

Aim提供的方法有跟蹤數(shù)據(jù)（track）、設(shè)置超參數(shù)（set_params）、指定自定義目錄（session）。

最近，作者又給Aim加入了一項(xiàng)新功能：支持使用Tensorboard日志。方法如下：

aim up --tf_logs path/to/logs

此命令將在TensorFlow摘要日志上啟動(dòng)Aim，并從給定路徑遞歸加載日志。

Aim的開(kāi)發(fā)者承諾未來(lái)將提供Pytorch Lightning和Keras集成。

GitHub地址：
https://github.com/Aimhubio/Aim