experiment tracking tool
Et system der registrerer parametre, målinger og artefakter fra maskinlæringseksperimenter.
Kort fortalt
Et værktøj der hjælper dig med at huske, hvad du gjorde i hvert ML-eksperiment, så du kan sammenligne og reproducere resultater.
- Kategori
- værktøj
- Niveau
- øvet
Betydninger
1- 1
Et værktøj designet til at logge og organisere metadata fra maskinlæringseksperimenter, herunder hyperparametre, metrics, kodeversioner og dataforbindelser.
- Vi bruger MLflow som vores primære experiment tracking tool.
- Experiment tracking tools som Weights & Biases gør det let at visualisere træningsforløb.
Hvornår bruges det
Bruges i ML-workflows til at logge hyperparametre, metrics, model-checkpoints og andre metadata. Gør det muligt at sammenligne eksperimenter og spore modeller på tværs af teams.
Kodeeksempel
import mlflow
mlflow.start_run()
mlflow.log_param('learning_rate', 0.001)
mlflow.log_metric('accuracy', 0.95)
mlflow.end_run()Eksempel på logning af parameter og metric med MLflow.
Oprindelse
Termen kommer fra softwareudvikling, hvor 'experiment tracking' refererer til praksis med at dokumentere og organisere forsøg.