zaina-ml/ml_forge

해결하는 문제

ML Forge는 PyTorch 파이프라인을 위한 시각적 에디터로, 코드를 작성하지 않고도 이미지 분류 모델을 구축하고 학습하며 실행할 수 있게 해줍니다. 신경망 아키텍처와 학습 루프를 실험하고 싶은 사용자들에게 수동 코드 작성이라는 기술적 장벽을 제거합니다.

작동 방식

사용자는 세 가지 탭으로 구성된 워크플로우와 상호작용합니다:

1. 데이터 준비: 사용자는 노드를 드래그 앤 드롭하여 데이터셋(MNIST 또는 CIFAR 등)을 정의하고 변환을 적용합니다.
2. 모델: 사용자는 시각적 캔버스를 통해 레이어(Conv2D, Linear, ReLU 등)를 연결하고, 입력/출력 크기를 자동으로 계산합니다.
3. 학습: 사용자는 데이터 로더, 모델, 손실 함수, 최적화 알고리즘을 연결하여 학습 프로세스를 실행합니다.

설정이 완료되면 도구는 내부적으로 PyTorch 코드를 생성하고 실행합니다. 사용자는 실시간으로 손실 곡선을 모니터링하고 체크포인트를 저장하며, 학습된 모델로 추론을 실행할 수 있으며, 최종적으로 전체 파이프라인을 독립적인 train.py PyTorch 스크립트로 내보낼 수 있습니다.

대상 사용자

초보자나, PyTorch의 반복 코드를 직접 작성하는 대신 시각적 접근을 선호하는 연구자들을 위한 것입니다.

주요 기능

• 시각적 파이프라인 에디터: 데이터 준비, 모델 아키텍처, 학습 로직을 위한 드래그 앤 드롭 인터페이스.
• 자동 형상 계산: 레이어를 연결할 때 in_features와 in_channels를 자동으로 채웁니다.
• 실시간 모니터링: 실시간 손실 곡선과 검증 정확도, 피팅 진단을 포함한 메트릭 요약.
• 코드 내보내기: 프로젝트를 깔끔하고 독립적인 PyTorch 코드로 내보낼 수 있습니다.
• 내장 데이터셋 지원: MNIST, CIFAR-10/100, FashionMNIST, 그리고 ImageFolder를 통한 사용자 정의 폴더에 대한 네이티브 지원.