Unduh polyaxon - Unduh Kode Sumber polyaxon

polyaxon

ular piton

1.0.0

Unduh

Mereproduksi, mengotomatiskan, skala ilmu data Anda

Selamat datang di polyaxon, platform untuk membangun, melatih, dan memantau aplikasi pembelajaran mendalam skala besar. Kami membuat sistem untuk memecahkan reproduktifitas, otomatisasi, dan skalabilitas untuk aplikasi pembelajaran mesin.

Polyaxon menyebarkan ke pusat data apa pun, penyedia cloud, atau dapat di -host dan dikelola oleh polyaxon, dan mendukung semua kerangka kerja pembelajaran mendalam utama seperti TensorFlow, MXNet, Caffe, Torch, dll.

Polyaxon membuatnya lebih cepat, lebih mudah, dan lebih efisien untuk mengembangkan aplikasi pembelajaran yang mendalam dengan mengelola beban kerja dengan container pintar dan manajemen node. Dan mengubah server GPU menjadi sumber daya swalayan bersama untuk tim atau organisasi Anda.

Memasang

Tl; dr;

Instal CLI

 # Install Polyaxon CLI
$ pip install -U polyaxon

Buat penempatan

 # 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

Silakan periksa Panduan Instalasi Polyaxon

Awal yang cepat

Tl; dr;

Mulai proyek

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

Melatih dan melacak log & sumber daya

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

Dasbor

 # Start Polyaxon dashboard
$ polyaxon dashboard

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

Buku catatan

 # 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

Silakan periksa panduan mulai cepat kami untuk mulai melatih eksperimen pertama Anda.

Pekerjaan terdistribusi

Polyaxon mendukung dan menyederhanakan pekerjaan yang didistribusikan. Bergantung pada kerangka kerja yang Anda gunakan, Anda perlu menyebarkan operator yang sesuai, menyesuaikan kode Anda untuk mengaktifkan pelatihan yang didistribusikan, dan memperbarui polyaxonfile Anda.

Berikut adalah beberapa contoh menggunakan pelatihan terdistribusi:

Distribusi TensorFlow
Pytorch Terdistribusi
MPI Terdistribusi
Horovod
Percikan
Dask

Tuning hyperparameters

Polyaxon memiliki konsep untuk menyarankan hiperparameter dan mengelola hasilnya sangat mirip dengan Google Vizier yang disebut Grup Eksperimen. Grup percobaan di polyaxon mendefinisikan algoritma pencarian, ruang pencarian, dan model untuk berlatih.

Pencarian Kisi
Pencarian acak
Hyperband
Optimalisasi Bayesian
Hyperopt
Optimalisasi Iteratif Kustom

Eksekusi paralel

Anda dapat menjalankan pekerjaan pelatihan pemrosesan atau model secara paralel, polyaxon menyediakan abstraksi pemetaan untuk mengelola pekerjaan bersamaan.

DAG dan alur kerja

Polyaxon Dags adalah alat yang menyediakan mesin container-native untuk menjalankan pipa pembelajaran mesin. DAG mengelola banyak operasi dengan dependensi. Setiap operasi ditentukan oleh runtime komponen. Ini berarti bahwa operasi dalam DAG dapat berupa pekerjaan, layanan, pekerjaan terdistribusi, eksekusi paralel, atau DAG bersarang.