polyaxon/traceml

해결하는 문제

TraceML은 기계학습 및 데이터 실험을 추적하기 위한 중앙 집중식 엔진을 제공합니다. 다양한 프레임워크 간에 하이퍼파라미터, 메트릭, 데이터 참조, 모델 아티팩트의 일관된 로깅이 필요하며, 데이터 요약 및 시각화를 위한 도구도 제공합니다.

작동 방식

TraceML은 Python API를 통해 ML 워크플로우에 통합되어 사용자가 추적 세션을 초기화하고 다양한 유형의 데이터를 로깅할 수 있도록 합니다. Keras, PyTorch, TensorFlow, Fastai, PyTorch Lightning, HuggingFace와 같은 인기 있는 딥러닝 프레임워크를 위한 전용 콜백을 제공하여 메트릭과 모델 수집을 자동화합니다. 또한 pandas의 describe() 함수를 확장하는 DataFrameSummary 도구를 포함하여 더 깊은 데이터 프로파일링을 가능하게 합니다.

대상 사용자

다양한 ML 라이브러리를 통해 실험을 추적하고, 모델 성능을 모니터링하며, 데이터셋을 분석해야 하는 데이터 과학자 및 ML 엔지니어.

주요 특징

• 다중 프레임워크 지원: Keras, PyTorch, TensorFlow, Fastai, PyTorch Lightning, HuggingFace용 네이티브 콜백.
• 풍부한 아티팩트 로깅: 이미지(Matplotlib) 및 인터랙티브 차트(Bokeh, Altair, Plotly) 로깅 지원.
• 데이터 프로파일링: 열 통계, 타입, 상세한 수치 분석을 포함한 확장된 pandas DataFrame 요약.
• 유연한 배포: Polyaxon을 통한 온라인 추적과 로컬 로깅을 위한 오프라인 모드를 모두 지원.