Téléchargement en polyaxon - Téléchargement du code source polyaxon

polyaxon

Python

1.0.0

Télécharger

Reproduire, automatiser, mettre à l'échelle votre science des données

Bienvenue à Polyaxon, une plate-forme de construction, de formation et de surveillance des applications d'apprentissage en profondeur à grande échelle. Nous créons un système pour résoudre la reproductibilité, l'automatisation et l'évolutivité des applications d'apprentissage automatique.

Le polyaxon se déplace dans n'importe quel centre de données, fournisseur de cloud ou peut être hébergé et géré par Polyaxon, et il prend en charge tous les principaux cadres d'apprentissage en profondeur tels que TensorFlow, MXNET, Caffe, Torch, etc.

Le polyaxon rend plus rapide, plus facile et plus efficace pour développer des applications d'apprentissage en profondeur en gérant des charges de travail avec une gestion intelligente des conteneurs et des nœuds. Et cela transforme les serveurs GPU en ressources partagées et en libre-service pour votre équipe ou votre organisation.

Installer

Tl; dr;

Installer CLI

 # Install Polyaxon CLI
$ pip install -U polyaxon

Créer un déploiement

 # 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

Veuillez vérifier le guide d'installation en polyaxon

Démarrage rapide

Tl; dr;

Démarrer un projet

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

Train et suivi des journaux et des ressources

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

Tableau de bord

 # Start Polyaxon dashboard
$ polyaxon dashboard

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

Carnet de notes

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

Tensorboard

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

Veuillez vérifier notre guide de démarrage rapide pour commencer à former votre première expérience.

Emploi distribué

Le polyaxon prend en charge et simplifie les travaux distribués. Selon le cadre que vous utilisez, vous devez déployer l'opérateur correspondant, adapter votre code pour activer la formation distribuée et mettre à jour votre polyaxonfile.

Voici quelques exemples d'utilisation de la formation distribuée:

Tensorflow distribué
Pytorch distribué
MPI distribué
Horovod
Étincelle
Arder

Réglage des hyperparamètres

Le polyaxon a un concept pour suggérer des hyperparamètres et gérer leurs résultats très similaires à Google Vizier appelé groupes d'expérimentation. Un groupe d'expérimentation en polyaxon définit un algorithme de recherche, un espace de recherche et un modèle à former.

Recherche de grille
Recherche aléatoire
Hyperbande
Optimisation bayésienne
Hyperopt
Optimisation itérative personnalisée

Exécutions parallèles

Vous pouvez exécuter vos travaux de traitement ou de formation de modèle en parallèle, le polyaxon fournit une abstraction de cartographie pour gérer les travaux simultanés.

Dags et workflows

Polyaxon Dags est un outil qui fournit un moteur natif-conteneur pour l'exécution de pipelines d'apprentissage automatique. Un DAG gère plusieurs opérations avec des dépendances. Chaque opération est définie par un runtime de composant. Cela signifie que les opérations dans un DAG peuvent être des emplois, des services, des emplois distribués, des exécutions parallèles ou des Dags imbriqués.