tensorboard可视化_跑得比 TensorBoard 快多了，极简可视化工具 Aim 发布！

点击关注上方“AI深度学习视线”，并“星标”公号

晓查 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

来自加州伯克利的团队开源了Aim，一个号称搜索速度比TensorBoard快好几倍的机器学习可视化工具包，在Reddit上成为高热话题。

Aim可以在几分钟内记录、搜索和比较100项实验，而在TensorBoard或MLFlow上进行大量实验比较可能需要花费数小时。这对于实验管理非常有用，而且Aim超级容易上手。

和TensorBoard/MLFlow相比，Aim的优点主要是支持：

• 按参数进行搜索、分组

• 分列图表

• 汇总大量实验查看趋势

• 其他较小的实验指标和参数操作

比如，我们只想看训练集上的试验结果，将context.subset设置为train：

如果还想在搜索结果的基础上做进一步的筛选，去掉学习率0.00001的部分，只需再加入一个and条件：

如果对图中某个数据点感兴趣，点击它即可快速定位到相应表格位置。

是不是很方便？虽然界面可能简陋了点，但简洁易用就是Aim的主要特色。有网友表示，Aim看起来非常整洁，搜索语言看起来也很易用。

近年来，AI实验方面诞生了像trains和wandb这类第三方可视化工具。与这类工具比较，Aim在速度和数据隐私方面有很大的优势。

安装使用

运行Aim需要安装Docker，Aim本身通过pip方式安装。

pip3 install aim-cli

输入以下命令即可运行Aim的UI：

aim up

前提是你要在自己的AI模型里导入Aim

import aim…aim.set_params(hyperparam_dict, name=’params_name’)aim.track(metric_value, name=’metric_name’, epoch=the_epoch_value)…

Aim提供的方法有跟踪数据(track)、设置超参数(set_params)、指定自定义目录(session)。

最近，作者又给Aim加入了一项新功能：支持使用Tensorboard日志。方法如下：

aim up --tf_logs path/to/logs

此命令将在TensorFlow摘要日志上启动Aim，并从给定路径递归加载日志。

Aim的开发者承诺未来将提供Pytorch Lightning和Keras集成。

GitHub地址：https://github.com/Aimhubio/Aim

推荐阅读

目标检测：

• 干货 | YOLOV5 训练自动驾驶数据集，并转Tensorrt，收藏！
• 超越YOLOv4-tiny！YOLObile：移动设备上的实时目标检测
• 52.1 AP！RepPoints V2：用于目标检测的验证+回归，刚刚开源！
• 50.4mAP(已开源) | FCOSv2.0强势归来！Anchor-free家族再添猛将(长文解析)
• COCO 迎来新榜首！DetectoRS以54.7mAP成就目前最高精度检测网络
• 52.1 %AP！AutoAssign：Anchor-free最强检测网络！密集目标检测的可微标签分配
• mAP提升40%！YOLO3改进版—— Poly-YOLO：更快，更精确的检测和实例分割
• YOLOv4 详解版！一句话总结：速度差不多的精度碾压，精度差不多的速度碾压！
• ... 更多精彩内容请进入公号查看

目标分割：

• 75.5%mIoU / 58FPS！FANet：带有快速注意力的实时语义分割
• CVPR 2020 | CenterMask : Anchor-Free 实时实例分割(长文详解)
• ECCV2020 | 300+FPS！超快的结构感知车道检测新网络
• 50.1%mAP | D2Det：高质量目标检测和实例分割新高度！(文末送书！)
• 图像分割 | CCNet: Criss-Cross Attention for Semantic Segmentation
• 【长文】图像分割 |  YOLACT：开创性的one-stage实时实例分割检测器，名字致敬YOLO
• 投稿CVPR 2021 | BiSeNet V2出来了！72.6%的mIOU, 156FPS的速度！让分割飞起来！
• ... 更多精彩内容请进入公号查看

潮水自会来去，但心志得坚若磐石。即便成不了那根定海神针，也至少不是那随意被拍上岸的野鬼游魂。 

长按关注 "AI深度视线"
最新人工智能、深度学习、SLAM干货奉上！