Aim sur Spaces

Aim est un traceur d'expérimentations open source, facile à utiliser et très performant. Aim enregistre vos exécutions d'entraînement et offre une interface utilisateur élégante pour les comparer, ainsi qu'une API pour les interroger de manière programmatique. Les ingénieurs ML et les chercheurs utilisent les explorateurs Aim pour comparer des milliers d'exécutions d'entraînement en quelques clics.

Consultez la documentation d’Aim pour en savoir plus sur Aim. Si vous avez une idée de nouvelle fonctionnalité ou si vous avez repéré un bug, n’hésitez pas à ouvrir une demande de fonctionnalité ou signaler un bug.

Dans les sections suivantes, vous apprendrez à déployer Aim sur les Spaces du Hugging Face Hub et à explorer vos exécutions d’entraînement directement depuis le Hub.

Déployer Aim sur Spaces

Vous pouvez déployer Aim sur Spaces en un seul clic !

Une fois que vous avez créé le Space, vous verrez le statut Building, et dès qu’il passe à Running, votre Space est prêt à l’emploi !

Maintenant, lorsque vous accédez à la section App de votre Space, vous pouvez accéder à l’interface utilisateur Aim.

Comparez vos expériences avec Aim sur Spaces

Utilisons un exemple rapide d’un CNN PyTorch entraîné sur MNIST pour démontrer le déploiement d’Aim sur Spaces de bout en bout. L’exemple complet se trouve dans le dossier des exemples du dépôt Aim.

from aim import Run
from aim.pytorch import track_gradients_dists, track_params_dists

# Initialize a new Run
aim_run = Run()
...
items = {'accuracy': acc, 'loss': loss}
aim_run.track(items, epoch=epoch, context={'subset': 'train'})

# Track weights and gradients distributions
track_params_dists(model, aim_run)
track_gradients_dists(model, aim_run)

Les expériences suivies par Aim sont stockées dans le dossier .aim. Pour afficher les journaux avec l’interface Aim dans votre Space, vous devez compresser le dossier .aim en fichier tar.gz et le téléverser dans votre Space à l’aide de git ou des sections Fichiers et Versions de votre Space.

Voici une commande bash pour cela :

tar -czvf aim_repo.tar.gz .aim

C’est tout ! Ouvrez maintenant la section App de votre Space et l’interface Aim est disponible avec vos journaux. Voici ce à quoi vous attendre :

Filtrez vos exécutions à l’aide de la recherche Pythonique d’Aim. Vous pouvez rédiger des requêtes Pythoniques sur TOUT ce que vous avez suivi : métriques, hyperparamètres, etc. Consultez quelques exemples sur HF Hub Spaces.

Notez que si vos journaux sont au format TensorBoard, vous pouvez facilement les convertir vers Aim avec une seule commande et utiliser les nombreuses fonctionnalités avancées et performantes de comparaison des exécutions d’entraînement.

En savoir plus sur HF Spaces

• Espaces Docker HF
• Exemples d'espaces Docker HF

Retours et assistance

Si vous avez des suggestions d’amélioration ou avez besoin d’assistance, veuillez ouvrir un ticket sur le dépôt GitHub d’Aim.

Le Discord de la communauté Aim est également disponible pour les discussions communautaires.