polyaxon/traceml

解決的問題

TraceML 提供一個集中式的機器學習與資料實驗追蹤引擎。它解決了在不同框架之間對超參數、指標、資料參考與模型製品進行一致日誌記錄的需求，同時提供資料摘要與視覺化工具。

工作原理

TraceML 透過 Python API 結合至 ML 工作流程，讓使用者可初始化追蹤會話並記錄各種類型的資料。它為 Keras、PyTorch、TensorFlow、Fastai、PyTorch Lightning 與 HuggingFace 等流行深度學習框架提供專用回呼（callback），以自動化收集指標與模型。此外，還包含 DataFrameSummary 工具，用以擴展 pandas 的 describe() 函數，實現更深入的資料剖析。

適用對象

需要跨多個不同 ML 套件追蹤實驗、監控模型效能並分析資料集的資料科學家與 ML 工程師。

主要亮點

• 多框架支援：原生支援 Keras、PyTorch、TensorFlow、Fastai、PyTorch Lightning 與 HuggingFace 的回呼。
• 豐富的製品日誌：支援記錄影像（Matplotlib）與互動式圖表（Bokeh、Altair、Plotly）。
• 資料剖析：增強版 pandas DataFrame 摘要，包含欄位統計、類型與詳細的數值分析。
• 彈性部署：支援透過 Polyaxon 進行線上追蹤，也支援本地記錄的離線模式。