Aim en Spaces

Aim es un rastreador de experimentos de código abierto, fácil de usar y muy potente. Aim registra tus ejecuciones de entrenamiento y permite una interfaz de usuario atractiva para compararlas, así como una API para consultarlas de forma programática. Los ingenieros e investigadores de ML utilizan los exploradores de Aim para comparar miles de ejecuciones de entrenamiento con solo unos pocos clics.

Consulta la documentación de Aim para saber más sobre Aim. Si tienes una idea para una nueva función o has notado un error, no dudes en abrir una solicitud de función o reportar un error.

En las siguientes secciones, aprenderás a desplegar Aim en los Hugging Face Hub Spaces y a explorar tus ejecuciones de entrenamiento directamente desde el Hub.

Desplegar Aim en Spaces

¡Puedes desplegar Aim en Spaces con un solo clic!

Una vez que hayas creado el Space, verás el estado Building y, cuando pase a Running, tu Space estará listo para usar.

Ahora, cuando navegas a la sección App de tu Space, puedes acceder a la interfaz de Aim.

Compara tus experimentos con Aim en Spaces

Utilicemos un ejemplo rápido de una CNN de PyTorch entrenada en MNIST para demostrar la implementación de Aim en Spaces de principio a fin. El ejemplo completo se encuentra en la carpeta de ejemplos del repositorio de Aim.

from aim import Run
from aim.pytorch import track_gradients_dists, track_params_dists

# Initialize a new Run
aim_run = Run()
...
items = {'accuracy': acc, 'loss': loss}
aim_run.track(items, epoch=epoch, context={'subset': 'train'})

# Track weights and gradients distributions
track_params_dists(model, aim_run)
track_gradients_dists(model, aim_run)

Los experimentos que se registran con Aim se almacenan en la carpeta .aim. Para mostrar los registros con la interfaz de Aim en tu Space, debes comprimir la carpeta .aim en un archivo tar.gz y subirlo a tu Space mediante git o las secciones Files and Versions de tu Space.

Aquí hay un comando de bash para eso:

tar -czvf aim_repo.tar.gz .aim

¡Listo! Ahora abre la sección App de tu Space y la interfaz de Aim estará disponible con tus registros. Esto es lo que puedes esperar:

Filtra tus ejecuciones con la búsqueda de estilo Python de Aim. Puedes escribir consultas de estilo Python sobre TODO lo que hayas registrado: métricas, hiperparámetros, etc. Consulta algunos ejemplos en HF Hub Spaces.

Note que si sus registros están en formato de TensorBoard, puede convertir fácilmente a Aim con un solo comando y usar las numerosas funciones avanzadas y de alto rendimiento para comparar ejecuciones de entrenamiento.

Más sobre HF Spaces

• Espacios Docker de HF
• Ejemplos de espacios Docker de HF

Retroalimentación y soporte

Si tienes sugerencias de mejora o necesitas soporte, abre un issue en el repositorio de GitHub de Aim.

El Discord de la comunidad Aim también está disponible para las discusiones de la comunidad.