- ML deney takibini otomatikleştirmek için oluşturulmuş bir framework
- Diğer deney takip araçlarından farklı olarak kalıcılık, sorgulama ve sürümleme mantığını programlama dilinin kendisinin doğal bir parçası hâline getiriyor
- Amaç, etkileşimli bir oturumdaymış gibi kalıcılığı düşünmeden ifade gücü yüksek hesaplama kodları yazabilmek ve sonrasında da sürümlenen ve sorgulanabilen bir deponun tüm avantajlarından yararlanabilmek
- İki genel amaçlı araç kullanarak ML deney takibi (ve ötesi) için gereken çabayı ve kod ek yükünü ortadan kaldırıyor:
@op dekoratörü:
- Python fonksiyon çağrılarının girdilerini, çıktıları ve kodunu (+bağımlılıklarını) yakalar
- Geçmiş sonuçları otomatik olarak yeniden kullanır ve aynı çağrıyı iki kez hesaplamaz
- Depolama arka ucunu düşünmeden, sıradan Python içinde verimli yinelemeli geliştirmeyi mümkün kılan uçtan uca kalıcı programlar olarak oluşturulacak şekilde tasarlanmıştır
- ComputationFrame veri yapısı:
- Komut tarzı kod çalıştırmalarını, değişkenler ve işlemlerden oluşan yüksek seviyeli bir hesaplama grafiğine otomatik olarak düzenler. Geri bildirim döngüleri, dallanma/birleşme, toplulaştırma/indeksleme gibi desenleri tespit eder
- Sütunları grafiğin değişkenleri ve işlemleri olan, her satırı ise grafiğin (kısmi olabilen) bir çalıştırmasının değerlerini/çağrılarını içeren bir dataframe çıkararak değişkenler arasındaki ilişkileri sorgular
@op çağrılarından oluşan heterojen bir "web" üzerinde gezintiyi ve yüksek seviyeli işlemleri otomatikleştirir
Henüz yorum yok.