polyaxon
1.0.0
Willkommen bei Polyaxon, einer Plattform zum Aufbau, Training und Überwachung großer Deep -Learning -Anwendungen. Wir erstellen ein System, um die Reproduzierbarkeit, Automatisierung und Skalierbarkeit für Anwendungen für maschinelles Lernen zu lösen.
Polyaxon wird in einem beliebigen Rechenzentrum, Cloud -Anbieter bereitgestellt oder von Polyaxon gehostet und verwaltet werden. Sie unterstützt alle wichtigen Deep -Learning -Frameworks wie Tensorflow, MXNET, Caffe, Taschenlampe usw.
Polyaxon macht es schneller, einfacher und effizienter, Deep -Learning -Anwendungen zu entwickeln, indem Workloads mit Smart Container und Knotenmanagement verwaltet werden. Und es verwandelt GPU-Server in gemeinsame Ressourcen für Selbstbedienung für Ihr Team oder Ihre Organisation.
CLI installieren
# Install Polyaxon CLI
$ pip install -U polyaxonErstellen Sie eine Bereitstellung
# Create a namespace
$ kubectl create namespace polyaxon
# Add Polyaxon charts repo
$ helm repo add polyaxon https://charts.polyaxon.com
# Deploy Polyaxon
$ polyaxon admin deploy -f config.yaml
# Access API
$ polyaxon port-forwardBitte überprüfen Sie die Polyaxon -Installationshandbuch
Starten Sie ein Projekt
# Create a project
$ polyaxon project create --name=quick-start --description= ' Polyaxon quick start. 'Zug- und Gleiseprotokolle und Ressourcen
# Upload code and start experiments
$ polyaxon run -f experiment.yaml -u -lArmaturenbrett
# Start Polyaxon dashboard
$ polyaxon dashboard
Dashboard page will now open in your browser. Continue ? [Y/n]: y # Start Jupyter notebook for your project
$ polyaxon run --hub notebook # Start TensorBoard for a run's output
$ polyaxon run --hub tensorboard -P uuid=UUIDBitte überprüfen Sie unseren Quick Start -Leitfaden, um Ihr erstes Experiment auszubilden.
Polyaxon unterstützt und vereinfacht verteilte Jobs. Abhängig vom von Ihnen verwendeten Framework müssen Sie den entsprechenden Bediener bereitstellen, Ihren Code anpassen, um das verteilte Training zu aktivieren und Ihre Polyaxon -Datei zu aktualisieren.
Hier sind einige Beispiele für die Verwendung verteilter Schulungen:
Polyaxon verfügt über ein Konzept, um Hyperparameter vorzuschlagen und ihre Ergebnisse zu verwalten, die Google Vizier als Experimentgruppen sehr ähnlich sind. Eine Versuchsgruppe in Polyaxon definiert einen Suchalgorithmus, einen Suchraum und ein Modell zum Training.
Sie können Ihre Verarbeitungs- oder Modelltrainingsjobs parallel ausführen. Polyaxon bietet eine Zuordnungsabstraktion, um gleichzeitige Jobs zu verwalten.
Polyaxon DAGs ist ein Werkzeug, das Container-native Motor zum Ausführen von Pipelines für maschinelles Lernen bietet. Eine DAG verwaltet mehrere Vorgänge mit Abhängigkeiten. Jede Operation wird durch eine Komponenten -Laufzeit definiert. Dies bedeutet, dass Operationen in einer DAG Jobs, Dienstleistungen, verteilte Arbeitsplätze, parallele Hinrichtungen oder verschachtelte DAGs sein können.
Schauen Sie sich unsere Dokumentation an, um mehr über Polyaxon zu erfahren.
Polyaxon wird mit einem Dashboard geliefert, das die von Ihnen und Ihren Teammitgliedern erstellten Projekte und Experimente zeigt.
Um das Dashboard zu starten, führen Sie einfach den folgenden Befehl in Ihrem Terminal aus
$ polyaxon dashboard -yPolyaxon ist stabil und läuft im Produktionsmodus bei vielen Startups und Fortune 500 -Unternehmen.
Bitte folgen Sie der Beitragsleitlinie: Tragen Sie zu Polyaxon bei .
Wenn Sie Polyaxon in Ihrer akademischen Forschung verwenden, wären wir dankbar, wenn Sie es zitieren könnten.
Fühlen Sie sich frei, uns zu kontaktieren. Wir würden gerne etwas über Ihr Projekt kennenlernen und sehen, wie wir Ihr individuelles Bedürfnis unterstützen können.
