zaina-ml/ml_forge

何を解決するか

ML Forge は PyTorch パイプライン用のビジュアルエディタであり、コードを書かずに画像分類モデルを構築・学習・実行できるようにします。ニューラルネットワークアーキテクチャや学習ループの実験をしたいユーザーにとって、手動でのコード記述という技術的障壁を排除します。

どう動くか

ユーザーは3つのタブからなるワークフローと対話します：

1. データ準備：ユーザーはノードをドラッグアンドドロップしてデータセット（MNIST や CIFAR など）を定義し、変換を適用します。
2. モデル：ユーザーは可視化されたキャンバス上で層（Conv2D、Linear、ReLU など）を接続し、入力/出力の形状を自動的に計算します。
3. 学習：ユーザーはデータローダー、モデル、損失関数、最適化手法を接続して学習プロセスを実行します。

設定が完了すると、ツールは内部で PyTorch コードを生成・実行します。ユーザーはリアルタイムで損失曲線を監視でき、チェックポイントを保存し、学習済みモデルで推論を実行でき、最終的に完全なパイプラインを独立した train.py PyTorch スクリプトとしてエクスポートできます。

対象ユーザー

初心者や、PyTorch のボイラープレートコードを書くのではなく、ビジュアルアプローチで画像分類モデルを構築したい研究者向けに設計されています。

特徴

• ビジュアルパイプラインエディタ：データ準備、モデルアーキテクチャ、学習ロジックのドラッグアンドドロップインターフェース。
• 自動形状計算：層を接続する際に in_features と in_channels を自動で埋め込みます。
• リアルタイムモニタリング：リアルタイムの損失曲線と、検証精度やフィット診断を含むメトリクス概要。
• コードエクスポート：プロジェクトをクリーンで独立した PyTorch コードにエクスポート可能。
• 組み込みデータセットサポート：MNIST、CIFAR-10/100、FashionMNIST、および ImageFolder を通じたカスタムフォルダのネイティブサポート。