polyaxon/traceml

解决的问题

TraceML 提供一个集中式的机器学习和数据实验追踪引擎。它解决了在不同框架之间对超参数、指标、数据引用和模型制品进行一致日志记录的需求，同时提供数据摘要和可视化工具。

工作原理

TraceML 通过 Python API 集成到 ML 工作流中，允许用户初始化追踪会话并记录各种类型的数据。它为 Keras、PyTorch、TensorFlow、Fastai、PyTorch Lightning 和 HuggingFace 等流行深度学习框架提供专用回调，以自动化收集指标和模型。此外，还包含一个 DataFrameSummary 工具，用于扩展 pandas 的 describe() 函数，实现更深入的数据剖析。

适用人群

需要跨多个不同 ML 库追踪实验、监控模型性能并分析数据集的数据科学家和 ML 工程师。

主要亮点

• 多框架支持：原生支持 Keras、PyTorch、TensorFlow、Fastai、PyTorch Lightning 和 HuggingFace 的回调。
• 丰富的制品日志：支持记录图像（Matplotlib）和交互式图表（Bokeh、Altair、Plotly）。
• 数据剖析：增强的 pandas DataFrame 摘要，包含列统计、类型和详细的数值分析。
• 灵活部署：支持通过 Polyaxon 进行在线追踪，也支持本地日志记录的离线模式。