Descarga de polyaxon - Descarga del código fuente polyaxon

polyaxon

Pitón

1.0.0

Descargar

Reproducir, automatizar, escalar su ciencia de datos

Bienvenido a Polyaxon, una plataforma para construir, capacitar y monitorear aplicaciones de aprendizaje profundo a gran escala. Estamos haciendo un sistema para resolver la reproducibilidad, la automatización y la escalabilidad para aplicaciones de aprendizaje automático.

Polyaxon se implementa en cualquier centro de datos, proveedor de nubes, o puede ser alojado y administrado por Polyaxon, y admite todos los principales marcos de aprendizaje profundo como TensorFlow, MXNet, Caffe, Antorch, etc.

Polyaxon hace que sea más rápido, más fácil y más eficiente para desarrollar aplicaciones de aprendizaje profundo al administrar cargas de trabajo con gestión de contenedores y nodos inteligentes. Y convierte los servidores de GPU en recursos compartidos de autoservicio para su equipo u organización.

Instalar

Tl; dr;

Instalar CLI

 # Install Polyaxon CLI
$ pip install -U polyaxon

Crear una implementación

 # 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-forward

Verifique la guía de instalación de polyaxon

Comienzo rápido

Tl; dr;

Iniciar un proyecto

 # Create a project
$ polyaxon project create --name=quick-start --description= ' Polyaxon quick start. '

Trenes y registros de trenes y vías

 # Upload code and start experiments
$ polyaxon run -f experiment.yaml -u -l

Panel

 # Start Polyaxon dashboard
$ polyaxon dashboard

Dashboard page will now open in your browser. Continue ? [Y/n]: y

Computadora portátil

 # Start Jupyter notebook for your project
$ polyaxon run --hub notebook

Tabla tensor

 # Start TensorBoard for a run's output
$ polyaxon run --hub tensorboard -P uuid=UUID

Consulte nuestra guía de inicio rápido para comenzar a entrenar su primer experimento.

Trabajo distribuido

Polyaxon admite y simplifica los trabajos distribuidos. Dependiendo del marco que esté utilizando, debe implementar el operador correspondiente, adaptar su código para habilitar la capacitación distribuida y actualizar su PolyaxonFile.

Aquí hay algunos ejemplos de uso de capacitación distribuida:

Flujo tensor distribuido
Pytorch distribuido
MPI distribuido
Corovod
Chispa
Dask

Sintonización de hiperparámetros

Polyaxon tiene un concepto para sugerir hiperparámetros y administrar sus resultados muy similares a Google Vizier llamado grupos experimentales. Un grupo de experimentos en Polyaxon define un algoritmo de búsqueda, un espacio de búsqueda y un modelo para entrenar.

Búsqueda de redes
Búsqueda aleatoria
Hiperebandas
Optimización bayesiana
Hiperopta
Optimización iterativa personalizada

Ejecuciones paralelas

Puede ejecutar sus trabajos de procesamiento o capacitación de modelos en paralelo, Polyaxon proporciona una abstracción de mapeo para administrar trabajos concurrentes.

Dags y flujos de trabajo

Polyaxon Dags es una herramienta que proporciona un motor nativo de contenedor para ejecutar tuberías de aprendizaje automático. Un DAG administra múltiples operaciones con dependencias. Cada operación se define por un tiempo de ejecución de componentes. Esto significa que las operaciones en un DAG pueden ser trabajos, servicios, trabajos distribuidos, ejecuciones paralelas o DAG anidados.