labml

从移动设备监视深度学习模型培训和硬件使用情况。

特征

• 监视手机或笔记本电脑的运行实验
• 用一个命令在任何计算机上监视硬件使用情况
• 仅与2行代码集成（请参见下面的示例）
• 跟踪实验，包括诸如GIT提交，配置和超参数之类的信息
• 自定义可视化的API
• 漂亮的训练进度日志
• 开源！

托管实验服务器

先决条件

要安装MongoDB ，请参阅此处的官方文档。

安装

使用PIP安装软件包：

pip install labml-app

启动服务器

 # 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

可选：要在服务器中设置和配置NGINX，请参阅此信息。

您可以通过访问http://localhost:{port}或（如果在单独的计算机上配置）访问用户界面，请导航到http://{server-ip}:{port} 。

监视实验

安装

1. 使用PIP安装软件包。

pip install labml

2. 创建一个名为.labml.yaml的文件，位于您的项目文件夹的最高级别，然后将以下行添加到文件：

 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 

Pytorch示例

 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 })

分布式培训示例

 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 })

文档

• Python API参考
• 样品

向导

• API创建实验
• 跟踪培训指标
• 监视训练循环和其他迭代器
• 自定义可视化的API
• 配置管理API
• 定型记录的记录仪

？屏幕截图

格式的训练环输出

基于张板日志的自定义可视化

监视硬件使用情况

 # Install packages and dependencies
pip install labml psutil py3nvml

# Start monitoring
labml monitor

引用

如果您使用LABML进行学术研究，请使用以下Bibtex条目引用图书馆。

 @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/},
}