neptune.ai
什么是neptune.ai?
Neptune是一个为训练基础模型的团队提供的最具扩展性的实验跟踪器。
记录数百万次运行,在几秒钟内查看和比较它们。轻松监控和可视化持续数月的模型训练,包括多个步骤和分支。
从第一天起就将Neptune部署到您的基础设施上,追踪您100%的元数据,更快地实现下一次重大AI突破。
入门指南
步骤1: 创建一个**免费账号**
步骤2: 安装Neptune客户端库
pip install neptune
步骤3: 在代码中添加实验跟踪代码段
import neptune
run = neptune.init_run(project="workspace-name/project-name")
run["parameters"] = {"lr": 0.1, "dropout": 0.4}
run["test_accuracy"] = 0.84
核心功能
记录和显示
在您的ML流水线的任意步骤中添加代码段。决定您想记录什么以及如何记录。运行百万次。
-
任意框架:任意代码,fastai,PyTorch,Lightning,TensorFlow/Keras,scikit-learn,🤗 Transformers,XGBoost,Optuna。
-
任意元数据类型:指标,参数,数据集和模型版本,图像,交互式图表,视频,硬件(GPU,CPU,内存),代码状态。
-
来自您ML流水线的任意位置:多节点流水线,分布式计算,执行时或执行后记录,离线记录,并在重新上线时同步。
组织实验
将日志组织在完全可自定义的嵌套结构中。在用户定义的仪表板模板中显示模型元数据。
-
嵌套元数据结构:灵活的API让您可以根据需要自定义元数据记录结构。以正确的方式组织嵌套参数配置或k折验证拆分结果。
-
自定义仪表板:将不同类型的元数据组合在一个视图中。定义一个运行的视图。随处可用。查看GPU,内存消耗和加载时间以调试训练速度。查看学习曲线,图像预测和混淆矩阵以调试模型质量。
-
表视图:创建运行表的不同视图并保存以供后用。您可以拥有单独的表视图,用于调试,比较参数集或最佳实验。
比较结果
在neptune.ai网络应用中实时可视化训练。查看不同参数和配置如何影响结果。更快地优化模型。
-
比较:学习曲线,参数,图像,数据集。
-
搜索,排序和筛选:根据您记录的任意字段筛选实验。使用我们的查询语言,根据参数值,指标,执行时间或其他内容筛选运行。
-
可视化和显示:运行表,交互显示,文件夹结构,仪表板。
-
实时监控:硬件消耗指标,GPU,CPU,内存。
-
按组:数据集版本,参数。
版本模型
在一个地方为生产就绪的模型和与之相关的元数据进行版本控制、审查和访问。
-
版本模型:注册模型,创建模型版本,版本外部模型工件。
-
审查和更改阶段:查看验证,测试指标和其他模型元数据。您可以在None/Stage/Production/Archived之间移动模型。
-
访问和共享模型:每个模型和模型版本都可以通过neptune.ai网络应用或通过API访问。
分享结果
让您的团队在一个地方查看结果并访问所有模型和实验。
-
发送链接:通过复制和发送持久的URL分享您在neptune.ai应用中看到的每个图表,仪表板,表视图或其他内容。
-
查询API:通过neptune.ai API访问所有模型元数据。无论您记录了什么,都可以以类似的方式进行查询。
-
管理用户和项目:创建不同的项目,添加用户,并授予不同的权限级别。
-
添加您的整个组织 !neptune-pl](https://app.neptune.ai/common/pytorch-lightning-integration/experiments?split=tbl&dash=charts&viewId=faa75e77-5bd6-42b9-9379-863fe7a33227)
neptune.ai 受到了多家优秀公司的信任
阅读关于客户如何使用 Neptune 来改善工作流程。
支持
如果您遇到困难或只是想与我们讨论问题,您有以下选项:
- 查看我们的常见问题解答页面。
- 看看我们的资源中心。
- 聊天!在应用程序中,点击右下角的<a href="https://docs.neptune.ai/get