zaina-ml/ml_forge

解决的问题

ML Forge 是一个 PyTorch 流水线的可视化编辑器，允许用户无需编写代码即可构建、训练和运行图像分类模型。它为希望尝试神经网络架构和训练循环的用户消除了手动编码的技术门槛。

如何工作

用户通过三个标签页的工作流进行交互：

1. 数据准备：用户拖拽节点来定义数据集（如 MNIST 或 CIFAR）并应用变换。
2. 模型：用户通过可视化画布连接层（如 Conv2D、Linear 和 ReLU），输入/输出形状会自动计算。
3. 训练：用户将数据加载器、模型、损失函数和优化器连接起来，以执行训练过程。

配置完成后，该工具会在内部生成并运行 PyTorch 代码。用户可以实时监控损失曲线，保存检查点，并对训练好的模型进行推理，最终将整个流水线导出为独立的 train.py PyTorch 脚本。

适用人群

专为初学者或偏好通过可视化方式构建图像分类模型而非编写重复性 PyTorch 代码的研究人员设计。

主要亮点

• 可视化流水线编辑器：用于数据准备、模型架构和训练逻辑的拖拽界面。
• 自动形状计算：连接层时自动填充 in_features 和 in_channels。
• 实时监控：实时损失曲线和包含验证准确率及拟合诊断的指标摘要。
• 代码导出：可将项目导出为干净、独立的 PyTorch 代码。
• 内置数据集支持：原生支持 MNIST、CIFAR-10/100、FashionMNIST，以及通过 ImageFolder 支持自定义文件夹。