labml

從移動設備監視深度學習模型培訓和硬件使用情況。

特徵

• 監視手機或筆記本電腦的運行實驗
• 用一個命令在任何計算機上監視硬件使用情況
• 僅與2行代碼集成（請參見下面的示例）
• 跟踪實驗，包括諸如GIT提交，配置和超參數之類的信息
• 自定義可視化的API
• 漂亮的訓練進度日誌
• 開源！

託管實驗服務器

先決條件

要安裝MongoDB ，請參閱此處的官方文檔。

安裝

使用PIP安裝軟件包：

pip install labml-app

啟動服務器

 # 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

可選：要在服務器中設置和配置NGINX，請參閱此信息。

您可以通過訪問http://localhost:{port}或（如果在單獨的計算機上配置）訪問用戶界面，請導航到http://{server-ip}:{port} 。

監視實驗

安裝

1. 使用PIP安裝軟件包。

pip install labml

2. 創建一個名為.labml.yaml的文件，位於您的項目文件夾的最高級別，然後將以下行添加到文件：

 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 })

分佈式培訓示例

 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 })

文件

• Python API參考
• 樣品

嚮導

• API創建實驗
• 跟踪培訓指標
• 監視訓練循環和其他迭代器
• 自定義可視化的API
• 配置管理API
• 定型記錄的記錄儀

？屏幕截圖

格式的訓練環輸出

基於張板日誌的自定義可視化

監視硬件使用情況

 # Install packages and dependencies
pip install labml psutil py3nvml

# Start monitoring
labml monitor

引用

如果您使用LABML進行學術研究，請使用以下Bibtex條目引用圖書館。

 @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/},
}