Comet ML の使用を開始する
機械学習の一般的な実験プラットフォームの概要と、実際の例.
Comet ML は、最初から最終的な監視まで、機械学習プロジェクトのテストを可能にする実験プラットフォームです. Neptune.ai、Guild.ai、Sacred など、他の多くの同様のプラットフォームが Web 上に存在します.
Comet ML は、scikit-learn、Pytorch、Tensorflow、Keras など、最も一般的な機械学習ライブラリと簡単に統合できます.実験は、Python、Javascript、Java、R、および REST API で記述できます.
この記事では、Python に焦点を当てます.
この記事は次のように構成されています.
コメット ML の概要 Comet ML での作業 使用例
Comet ML は、追跡実験を可能にするオンライン プラットフォームです. Comet ML の主な利点は、レポート ダッシュボードと監視システムを簡単に構築できることです.
Comet ML は次の機能を提供します.
実験の比較: 同じプロジェクトに対してさまざまな実験を簡単に作成し、メトリック、システム メトリック、パラメーターなどの観点から結果を比較できます.
モデルの監視: 初期段階から本番までモデルを監視できます.これは、アラートとデバッグ戦略によって実行できます. 他の人と共同作業する: 自分のワークスペース プロジェクトを他の人と共有できます. レポートとパネルの作成: 実験の結果から始めて、レポートとダッシュボードを簡単に作成できます.
プロジェクトを公開したままにするか、公開します.
Comet ML Web サイトに入ると、無料のアカウントを作成できます.次に、プラットフォームにログインし、右上の相対的なボタンをクリックして、新しいプロジェクトを作成します.フォームに必要な情報を入力します.
[作成] ボタンをクリックすると、空のダッシュボードが表示されます.
ページの右上にあるボタン (+追加) をクリックして、新しい実験を追加できます.ドロップダウン メニューから [実験] を選択します.
プラットフォームは、私の Python コードで使用できる実験用の新しい API を生成します.
ここで、comet_ml Python パッケージをローカル コンピューターにインストールする必要があります.
そして、いつものようにコーディングを開始できます.
続きを読む on Towards Data Science
Comet ML は、最初から最終的な監視まで、機械学習プロジェクトのテストを可能にする実験プラットフォームです. Neptune.ai、Guild.ai、Sacred など、他の多くの同様のプラットフォームが Web 上に存在します.
Comet ML は、scikit-learn、Pytorch、Tensorflow、Keras など、最も一般的な機械学習ライブラリと簡単に統合できます.実験は、Python、Javascript、Java、R、および REST API で記述できます.
この記事では、Python に焦点を当てます.
この記事は次のように構成されています.
1 コメットMLの概要
Comet ML は、追跡実験を可能にするオンライン プラットフォームです. Comet ML の主な利点は、レポート ダッシュボードと監視システムを簡単に構築できることです.
Comet ML は次の機能を提供します.
モデルの監視: 初期段階から本番までモデルを監視できます.これは、アラートとデバッグ戦略によって実行できます.
プロジェクトを公開したままにするか、公開します.
2 Comet ML の操作
Comet ML Web サイトに入ると、無料のアカウントを作成できます.次に、プラットフォームにログインし、右上の相対的なボタンをクリックして、新しいプロジェクトを作成します.フォームに必要な情報を入力します.
[作成] ボタンをクリックすると、空のダッシュボードが表示されます.
ページの右上にあるボタン (+追加) をクリックして、新しい実験を追加できます.ドロップダウン メニューから [実験] を選択します.
プラットフォームは、私の Python コードで使用できる実験用の新しい API を生成します.
# import comet_ml at the top of your file
from comet_ml import Experiment
# Create an experiment with your api key
experiment = Experiment(
api_key="PUT HERE MY API KEY",
project_name="decisiontree",
workspace="PUT HERE MY ACCOUNT NAME",
)
ここで、comet_ml Python パッケージをローカル コンピューターにインストールする必要があります.
pip3 install comet_ml
そして、いつものようにコーディングを開始できます.
続きを読む on Towards Data Science
Reference
この問題について(Comet ML の使用を開始する), 我々は、より多くの情報をここで見つけました https://dev.to/alod83/getting-started-with-comet-ml-169kテキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol