polyaxon

複製，自動化，擴展您的數據科學

歡迎使用Polyaxon，這是一個用於建築，培訓和監視大規模深度學習應用程序的平台。我們正在製作一個系統來解決機器學習應用程序的可重複性，自動化和可擴展性。

Polyaxon將部署到任何數據中心，雲提供商，或者可以由Polyaxon託管和管理，並支持所有主要的深度學習框架，例如Tensorflow，MXNET，CAFFE，TORCH，ETC。

Polyaxon通過使用智能容器和節點管理來管理工作負載，使其更快，更容易，更有效地開發深度學習應用程序。它將GPU服務器變成了您的團隊或組織共享的自助資源。

安裝

tl; dr;

• 安裝CLI

   # Install Polyaxon CLI
  $ pip install -U polyaxon

• 創建部署

   # 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

請檢查Polyaxon安裝指南

快速開始

tl; dr;

• 開始一個項目

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

• 訓練和跟踪日誌和資源

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

• 儀表板

   # Start Polyaxon dashboard
  $ polyaxon dashboard
  
  Dashboard page will now open in your browser. Continue ? [Y/n]: y

• 筆記本

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

• 張板

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

請檢查我們的快速入門指南，以開始培訓您的第一個實驗。

分佈式工作

Polyaxon支持並簡化了分佈式作業。根據所使用的框架，您需要部署相應的操作員，調整代碼以啟用分佈式培訓，並更新polyaxonfile。

以下是使用分佈式培訓的一些示例：

• 分佈式TensorFlow
• 分佈式pytorch
• 分佈式MPI
• Horovod
• 火花
• dask

超參數調整

Polyaxon有一個概念，可以建議使用超參數，並管理其結果與Google Vizier非常相似的實驗組。 Polyaxon中的實驗組定義了搜索算法，搜索空間和訓練模型。

• 網格搜索
• 隨機搜索
• 超帶
• 貝葉斯優化
• hyperopt
• 自定義迭代優化

並行執行

您可以並行運行處理或模型培訓作業，Polyaxon提供了用於管理並發作業的映射抽象。

DAG和工作流程

Polyaxon Dags是一種為運行機器學習管道提供容器本地引擎的工具。一個DAG管理多個具有依賴性的操作。每個操作都由組件運行時定義。這意味著DAG中的操作可以是作業，服務，分佈式作業，並行執行或嵌套DAG。

建築學

文件

查看我們的文檔，以了解有關Polyaxon的更多信息。

儀表板

Polyaxon帶有一個儀表板，該儀表板顯示了您和您的團隊成員創建的項目和實驗。

要啟動儀表板，只需在終端中運行以下命令

$ polyaxon dashboard -y

項目狀態

Polyaxon穩定，並且在許多初創公司和Fortune 500公司的生產模式下運行。

貢獻

請遵循貢獻指南行：為polyaxon做出貢獻。

研究

如果您在學術研究中使用Polyaxon，那麼如果您可以引用它，我們將不勝感激。

隨時與我們聯繫，我們很想了解您的項目，並了解如何支持您的自定義需求。