Spaces 上的 Aim

Aim 是一款易於使用且功能強大的開源實驗跟蹤器。Aim 記錄您的訓練執行，並提供精美的 UI 用於比較，以及可程式設計查詢的 API。機器學習工程師和研究人員使用 Aim 探索器，只需點選幾下即可比較數千次訓練執行。

檢視 Aim 文件，瞭解更多關於 Aim 的資訊。如果您有新功能的想法或發現錯誤，請隨時提出功能請求或報告錯誤。

在以下部分中，您將學習如何在 Hugging Face Hub Spaces 上部署 Aim，並直接從 Hub 探索您的訓練執行。

在 Spaces 上部署 Aim

您可以一鍵在 Spaces 上部署 Aim！

建立 Space 後，您將看到“構建中”狀態，一旦變為“執行中”，您的 Space 就準備就緒！

現在，當您導航到 Space 的 App 部分時，即可訪問 Aim UI。

使用 Spaces 上的 Aim 比較您的實驗

讓我們使用 PyTorch CNN 在 MNIST 上訓練的一個簡單示例來演示 Aim 在 Spaces 上的端到端部署。完整示例位於 Aim 倉庫示例資料夾中。

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)

Aim 跟蹤的實驗儲存在 .aim 資料夾中。**要在您的 Space 中使用 Aim UI 顯示日誌，您需要將 .aim 資料夾壓縮為 tar.gz 檔案，然後使用 git 或 Space 的“檔案和版本”部分將其上傳到您的 Space。**

這是相應的 bash 命令：

tar -czvf aim_repo.tar.gz .aim

就是這樣！現在開啟您 Space 的“應用”部分，Aim UI 即可與您的日誌一起使用。以下是預期效果：

使用 Aim 的 Pythonic 搜尋過濾您的執行。您可以針對您跟蹤的一切（指標、超引數等）編寫 Pythonic 查詢。在 HF Hub Spaces 上檢視一些示例。

更多關於 HF Spaces

• HF Docker Spaces
• HF Docker Space 示例

反饋和支援

如果您有改進建議或需要支援，請在Aim GitHub 倉庫上提出問題。

Aim 社群 Discord 也可用於社群討論。