labml

Pantau pelatihan model pembelajaran mendalam dan penggunaan perangkat keras dari seluler.

Fitur

• Monitor Eksperimen Menjalankan Dari Ponsel atau Laptop
• Pantau penggunaan perangkat keras di komputer mana pun dengan satu perintah
• Integrasi dengan hanya 2 baris kode (lihat contoh di bawah)
• Melacak eksperimen termasuk infomasi seperti komit git, konfigurasi dan hiper-parameter
• API untuk visualisasi khusus
• Log Log Progres yang Cukup Cukup
• Sumber terbuka!

Hosting Server Eksperimen

Prasyarat

Untuk menginstal MongoDB , lihat dokumentasi resmi di sini.

Instalasi

Instal paket menggunakan PIP:

pip install labml-app

Memulai server

 # Start the server on the default port (5005)
labml app-server

# To start the server on a different port, use the following command
labml app-server --port PORT

Opsional: Untuk mengatur dan mengonfigurasi NginX di server Anda, silakan merujuk ini.

Anda dapat mengakses antarmuka pengguna baik dengan mengunjungi http://localhost:{port} atau, jika dikonfigurasi pada mesin yang terpisah, dengan menavigasi ke http://{server-ip}:{port} .

Pantau eksperimen

Instalasi

1. Instal paket menggunakan PIP.

pip install labml

2. Buat file bernama .labml.yaml di tingkat atas folder proyek Anda, dan tambahkan baris berikut ke file:

 app_url : http://localhost:{port}/api/v1/default

# If you are setting up the project on a different machine, include the following line instead,
app_url : http://{server-ip}:{port}/api/v1/default 

Contoh Pytorch

 from labml import tracker , experiment

with experiment . record ( name = 'sample' , exp_conf = conf ):
    for i in range ( 50 ):
        loss , accuracy = train ()
        tracker . save ( i , { 'loss' : loss , 'accuracy' : accuracy })

Contoh Pelatihan Terdistribusi

 from labml import tracker , experiment

uuid = experiment . generate_uuid () # make sure to sync this in every machine
experiment . create ( uuid = uuid ,
                  name = 'distributed training sample' ,
                  distributed_rank = 0 ,
                  distributed_world_size = 8 ,
                  )
with experiment . start ():
    for i in range ( 50 ):
        loss , accuracy = train ()
        tracker . save ( i , { 'loss' : loss , 'accuracy' : accuracy })

Dokumentasi

• Referensi API Python
• Sampel

Pemandu

• API untuk membuat eksperimen
• Lacak metrik pelatihan
• Loop pelatihan yang dipantau dan iterator lainnya
• API untuk visualisasi khusus
• API Manajemen Konfigurasi
• Logger untuk logging bergaya

? Tangkapan layar

Output loop pelatihan yang diformat

Visualisasi khusus berdasarkan log tenorboard

Memantau penggunaan perangkat keras

 # Install packages and dependencies
pip install labml psutil py3nvml

# Start monitoring
labml monitor

Mengutip

Jika Anda menggunakan LABML untuk penelitian akademik, silakan kutip perpustakaan menggunakan entri Bibtex berikut.

 @misc{labml,
 author = {Varuna Jayasiri, Nipun Wijerathne, Adithya Narasinghe, Lakshith Nishshanke},
 title = {labml.ai: A library to organize machine learning experiments},
 year = {2020},
 url = {https://labml.ai/},
}