Spaces 上的 Aim

Aim 是一款易于使用且功能强大的开源实验跟踪器。Aim 记录您的训练运行，并提供精美的 UI 用于比较，以及可编程查询的 API。机器学习工程师和研究人员使用 Aim 探索器，只需点击几下即可比较数千次训练运行。

查看 Aim 文档，了解更多关于 Aim 的信息。如果您有新功能的想法或发现错误，请随时提出功能请求或报告错误。

在以下部分中，您将学习如何在 Hugging Face Hub Spaces 上部署 Aim，并直接从 Hub 探索您的训练运行。

在 Spaces 上部署 Aim

您可以一键在 Spaces 上部署 Aim！

创建 Space 后，您将看到“构建中”状态，一旦变为“运行中”，您的 Space 就准备就绪！

现在，当您导航到 Space 的 App 部分时，即可访问 Aim UI。

使用 Spaces 上的 Aim 比较您的实验

让我们使用 PyTorch CNN 在 MNIST 上训练的一个简单示例来演示 Aim 在 Spaces 上的端到端部署。完整示例位于 Aim 仓库示例文件夹中。

from aim import Run
from aim.pytorch import track_gradients_dists, track_params_dists

# Initialize a new Run
aim_run = Run()
...
items = {'accuracy': acc, 'loss': loss}
aim_run.track(items, epoch=epoch, context={'subset': 'train'})

# Track weights and gradients distributions
track_params_dists(model, aim_run)
track_gradients_dists(model, aim_run)

Aim 跟踪的实验存储在 .aim 文件夹中。**要在您的 Space 中使用 Aim UI 显示日志，您需要将 .aim 文件夹压缩为 tar.gz 文件，然后使用 git 或 Space 的“文件和版本”部分将其上传到您的 Space。**

这是相应的 bash 命令：

tar -czvf aim_repo.tar.gz .aim

就是这样！现在打开您 Space 的“应用”部分，Aim UI 即可与您的日志一起使用。以下是预期效果：

使用 Aim 的 Pythonic 搜索过滤您的运行。您可以针对您跟踪的一切（指标、超参数等）编写 Pythonic 查询。在 HF Hub Spaces 上查看一些示例。

更多关于 HF Spaces

• HF Docker Spaces
• HF Docker Space 示例

反馈和支持

如果您有改进建议或需要支持，请在Aim GitHub 仓库上提出问题。

Aim 社区 Discord 也可用于社区讨论。