原標題：跑得比TensorBoard快多了，極簡可視化工具Aim發布 | Reddit高熱 來源：量子位

關注前沿科技

曉查 發自 凹非寺?
量子位 報道 | 公眾號 QbitAI

曉查 發自 凹非寺?

量子位 報道 | 公眾號 QbitAI

來自加州伯克利的團隊開源了Aim，一個號稱搜索速度比TensorBoard快好幾倍的機器學習可視化工具包，在Reddit上成為高熱話題。

Aim可以在幾分鐘內記錄、搜索和比較100項實驗，而在TensorBoard或MLFlow上進行大量實驗比較可能需要花費數小時。這對于實驗管理非常有用，而且Aim超級容易上手。

和TensorBoard/MLFlow相比，Aim的優點主要是支持：

按參數進行搜索、分組

分列圖表

匯總大量實驗查看趨勢

其他較小的實驗指標和參數操作

比如，我們只想看訓練集上的試驗結果，將context.subset設置為train：

如果還想在搜索結果的基礎上做進一步的篩選，去掉學習率0.00001的部分，只需再加入一個and條件：

如果對圖中某個數據點感興趣，點擊它即可快速定位到相應表格位置。

是不是很方便？雖然界面可能簡陋了點，但簡潔易用就是Aim的主要特色。有網友表示，Aim看起來非常整潔，搜索語言看起來也很易用。

近年來，AI實驗方面誕生了像trains和wandb這類第三方可視化工具。與這類工具比較，Aim在速度和數據隱私方面有很大的優勢。

安裝使用

運行Aim需要安裝Docker，Aim本身通過pip方式安裝。

pip3?install?aim-cli

輸入以下命令即可運行Aim的UI：

aim?up

前提是你要在自己的AI模型里導入Aim

import aim

…

aim.set_params(hyperparam_dict, name=’params_name’)

aim.track(metric_value, name=’metric_name’, epoch=the_epoch_value)

…

Aim提供的方法有跟蹤數據（track）、設置超參數（set_params）、指定自定義目錄（session）。

最近，作者又給Aim加入了一項新功能：支持使用Tensorboard日志。方法如下：

aim?up?--tf_logs?path/to/logs

此命令將在TensorFlow摘要日志上啟動Aim，并從給定路徑遞歸加載日志。

Aim的開發者承諾未來將提供Pytorch Lightning和Keras集成。

GitHub地址：

https://github.com/Aimhubio/Aim

（聲明：本文僅代表作者觀點，不代表新浪網立場。）