tidyexp

易于使用、离线优先的 ML 实验管理解决方案。

它解决了什么问题？

其他竞争者本质上很复杂——他们的学习曲线有点陡峭，而且通常对初学者不友好。其中一些要求您在他们的平台上创建一个帐户才能开始。

tidyexp 旨在提供一个免费、易于使用的平台来跟踪 ML 实验元数据。

安装

通过pip：

pip install tidyexp

用法

导入tidyexp：

import tidyexp

使用实验元数据创建一个 Logger 实例：

log = tidyexp.Logger(experiment_id="1", experiment_dir=".", time_track=["num_epochs"], stats_track=["mse"], overwrite=True, model_type="torch")

在训练循环中跟踪实验元数据：

for i in range(epochs):
    ....

    time_dict = {"num_epochs": i}
    stats_dict = {"mse": curr_loss}
    log.update(time_dict, stats_dict)

保存日志：

log.save()

加载日志：

from tidyexp.load.load_log import load_log, load_stats, load_time

logs = load_log("abcd/logs/log_1.hdf5")
stats = load_stats("abcd/logs/log_1.hdf5", "1")
time_stats = load_time("abcd/logs/log_1.hdf5", "1")

保存模型：

log.save_model(model)

负载型号：

from tidyexp.load.load_model import load_model
ckpt = load_model("abcd/models/final/final_1.pt", "torch")

创建存档 ( .zip)：

log.archive("archive")

上传到 Google 云端硬盘：

log.upload_gdrive("./credentials.json", "MyExperiment", "archive.zip")

推送到本地 Git 仓库：

log.commit("C:\\Users\\ExampleUser\\Experiments", ".\abcd")

执照

tidyexp 根据 MIT 许可证获得许可。