Spaces 上的 Aim

Aim 是一款易用且功能强大的开源实验跟踪工具。Aim 会记录您的训练运行，并提供美观的 UI 用于比较这些运行，以及 API 用于以编程方式查询它们。 ML 工程师和研究人员使用 Aim 的探索器，只需几次点击即可比较数千次训练运行。

查看 Aim 文档 以了解有关 Aim 的更多信息。 如果您有新功能建议或发现了 bug，请随时 提交功能请求或报告 bug。

在以下章节中，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

您可以一键将 Aim 部署到 Spaces！

创建 Space 后，您会看到 Building 状态，当状态变为 Running, 时，您的 Space 即可投入使用！

现在，当您导航到 Space 的 App 部分时，即可访问 Aim UI。

在 Spaces 上使用 Aim 比较你的实验

让我们用一个在 MNIST 上训练的 PyTorch CNN 快速示例，来演示在 Spaces 上端到端部署 Aim 的流程。 完整示例位于 Aim 仓库的 examples 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，并使用 git 或您 Space 的 Files and Versions 部分将其上传到 Space。

以下是相应的 bash 命令：

tar -czvf aim_repo.tar.gz .aim

就是这样！现在打开你的 Space 的 App 部分，Aim UI 即可使用，并显示你的日志。 以下是预期效果：

使用 Aim 的 Pythonic 搜索来筛选您的运行。您可以针对所有已跟踪的内容（指标、超参数等）编写 Pythonic 查询。在 HF Hub Spaces 上查看一些示例。

请注意，如果您的日志采用 TensorBoard 格式，您可以使用一条命令轻松地将它们转换为 Aim，并使用其中众多高级且高性能的训练运行比较功能。

关于 HF Spaces 的更多信息

• HF Docker 空间
• HF Docker 空间示例

反馈与支持

如果您有改进建议或需要支持，请在 Aim GitHub 仓库 上提交 issue。

Aim 社区 Discord 也可用于社区讨论。