polyaxon/traceml

何を解決するか

TraceML は機械学習およびデータ実験を追跡するための集中型エンジンを提供します。異なるフレームワーク間でハイパーパラメータ、メトリクス、データ参照、モデルアーティファクトの一貫したログ記録の必要性に対応し、データ要約および可視化のためのツールも提供します。

動作方法

TraceML は Python API を通じて ML ワークフローに統合され、ユーザーが追跡セッションを初期化し、さまざまな種類のデータをログ記録できるようにします。Keras、PyTorch、TensorFlow、Fastai、PyTorch Lightning、HuggingFace などの人気あるディープラーニングフレームワーク向けに専用のコールバックを提供し、メトリクスとモデルの収集を自動化します。さらに、pandas の describe() 関数を拡張する DataFrameSummary ツールも含まれており、より深いデータプロファイリングが可能になります。

対象ユーザー

複数の異なる ML ライブラリを跨いで実験を追跡し、モデルのパフォーマンスを監視し、データセットを分析する必要があるデータサイエンティストおよび ML エンジニア。

主な特徴

• マルチフレームワーク対応: Keras、PyTorch、TensorFlow、Fastai、PyTorch Lightning、HuggingFace 用のネイティブコールバック。
• 豊富なアーティファクトログ: 画像（Matplotlib）およびインタラクティブチャート（Bokeh、Altair、Plotly）のログ記録をサポート。
• データプロファイリング: 列の統計、型、詳細な数値分析を含む、拡張された pandas DataFrame の要約。
• 柔軟なデプロイ: Polyaxon を通じたオンライン追跡と、ローカルログ用のオフラインモードの両方をサポート。