Spaces에서 Aim

Aim은 사용하기 쉽고 강력한 오픈소스 실험 트래커입니다. Aim은 학습 실행을 기록하고, 이를 비교할 수 있는 아름다운 UI와 프로그래매틱하게 쿼리할 수 있는 API를 제공합니다. ML 엔지니어와 연구원은 Aim explorers를 사용하여 몇 번의 클릭만으로 수천 개의 학습 실행을 비교합니다.

Aim에 대해 자세히 알아보려면 Aim 문서를 확인하세요. 새로운 기능 아이디어가 있거나 버그를 발견했다면, 기능 요청을 열거나 버그를 보고할 수 있습니다.

다음 섹션에서는 Hugging Face Hub Spaces에 Aim을 배포하는 방법과 Hub에서 직접 학습 실행을 탐색하는 방법을 배웁니다.

Spaces에 Aim 배포

Aim을 Spaces에 한 번의 클릭으로 배포할 수 있습니다!

Space를 생성하면 Building 상태가 표시되고, Running,으로 변경되면 Space가 사용 준비가 완료됩니다!

이제 Space의 App 섹션으로 이동하면 Aim UI에 액세스할 수 있습니다.

Spaces에서 Aim으로 실험을 비교하세요

MNIST로 학습한 PyTorch CNN의 간단한 예제를 사용하여 Spaces에서 Aim을 끝에서 끝으로 배포하는 과정을 시연해 보겠습니다. 전체 예제는 Aim 저장소의 examples 폴더에 있습니다.

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)

Aim이 추적하는 실험은 .aim 폴더에 저장됩니다. Space에서 Aim UI로 로그를 표시하려면 .aim 폴더를 tar.gz 파일로 압축한 후 git 또는 Space의 Files and Versions 섹션을 통해 Space에 업로드해야 합니다.

이를 위한 bash 명령어는 다음과 같습니다:

tar -czvf aim_repo.tar.gz .aim

그것으로 끝입니다! 이제 Space의 App 섹션을 열면 Aim UI가 로그와 함께 사용 가능합니다. 다음과 같은 화면을 기대할 수 있습니다:

Aim의 파이썬 스타일 검색을 사용하여 실행을 필터링할 수 있습니다. 추적한 모든 항목(메트릭, 하이퍼파라미터 등)에 대해 파이썬 스타일 쿼리를 작성할 수 있습니다. HF Hub Spaces에서 몇 가지 예제를 확인해 보세요.

로그가 TensorBoard 형식인 경우, 한 명령어로 Aim으로 변환하여 사용할 수 있는 다양한 고급 및 고성능 학습 실행 비교 기능을 활용할 수 있습니다.

HF Spaces에 대해 더 알아보기

• HF Docker spaces
• HF Docker 스페이스 예시

피드백 및 지원

개선 제안이 있거나 지원이 필요하시면 Aim GitHub 저장소에서 이슈를 열어 주세요.

커뮤니티 토론을 위한 Aim 커뮤니티 Discord도 사용할 수 있습니다.