Reddit热议：只要2行代码，免费开源ML管理工具TRAINS

新智元报道

来源：Reddit、GitHub

编辑：大明、张佳

【新智元导读】本日Reddit热议：开源机器学习管理平台TRAINS。据开发者介绍，该平台能够通过中央服务器集中记录管理ML模型的一切信息，整合方便，与主流框架无缝对接，仅用两行代码即可启用，相关Demo和GitHub资源已开放。

今天Reddit头号热帖看起来像是一条广告：这是一个ML团队自家开发的模型管理平台，名字很别致，叫“TRAINS”，很直观有没有？

帖子作者是开发团队成员之一，上来第一句就很耿直：现在机器学习模型管理平台很多，要不要来试试我们刚开源这个？

简单介绍一下，这个平台名叫TRAINS，我们团队没有营销team，所以我作为开发团队一员，先发到reddit上让你们先试试看了！

你这平台最大特点是啥？使用简便！只需在脚本中添加两行代码，模型、性能指标、超参数就尽在掌握了。

话说回来，只要分享的东西好用，作为“美国贴吧”的Reddit上的网友其实并不拒绝广告，下边网友就开始提问了，比如：

我现在还没进GitHub里详细查看，不如你简单介绍一下这个TRAINS平台和现有其他机器学习模型管理平台，比如和Sacred的区别、或者说是特别之处在哪儿呢？

Sacred平台模型调试面板

楼主表示这个问题问的好。他表示，主要有六点区别：

• TRAINS整合整个资源库只需两行代码，如果是Scared的话，需要为每个函数添加修饰器，记录每个量度和超参数，显示整合非常麻烦。
• TRAINS还会自动将git repo和commit与实验中的训练过程连接起来。（据我所知，这在Sacred中是办不到的，至少不容易实现）
• TRAINS自动记录模型并在集中的位置创建副本，团队可以轻松地对模型和初始权重进行共享。（使用Sacred只能手动执行操作，只能在共享文件夹上共享。）
• TRAINS界面美观，连续几小时看着不累眼睛。
• TRAINS允许用户从Python式的界面中轻松查询实验数据和指标。
• TRAINS还允许用户直接访问mongoDB和elasticsearch数据库，以便更深入地了解系统。

不过，作者Reddit上的回复中对TRAINS的介绍比较简略，我们还可以去GitHub上看看。

GitHub上的介绍就直接多了，介绍说明文档中直接将TRAINS称为一套“神奇的自动化AI实验管理器和版本控制器。”

即使是才华横溢的科学家，工程师或开发人员，在独立工作时都难免被复杂的流程搞得一团乱麻。机器学习的工作流程是可以管理的。随着时间的推移和项目人手的增加，管理的混乱会降低生产力。随着项目向生产方向发展，必须通过可见性和出处（provenance）来扩展深度学习的研究成果。

不论是对于团队还是企业，TRAINS都能将所有内容记录在一个中央服务器中，并实现可视化和出处，这样生产力就不会受到影响。TRAINS可以记录和管理各种深度学习研究的模型负载，并且几乎不需要付出集成成本。

我们专门设计了TRAINS，能够轻松集成模型参数，团队可以保留现有的方法和实践。可以每天使用TRAINS来增强团队协作，提升可视化程度，还可以用来将实验日志、输出和数据收集到一个集中式的中央服务器上。

Demo地址：https://demoapp.trainsai.io （需要注册）

究竟神奇在哪呢？以下是作者团队总结的TRAINS的主要特点。

TRAINS是我们解决机器学习/深度学习领域中与无数其他研究人员和开发人员分享的问题的方法：培训生产级深度学习模型是一个光荣而又混乱的过程。TRAINS通过关联代码版本控制、研究项目、性能指标和模型出处来跟踪和控制流程。

无缝兼容常用框架，一站式记录所有模型数据

现在就能用

TRAINS免费开源，只需要两行代码即可完全集成。

可与其他常用工具一起使用

TRAINS与现有主要框架无缝集成，包括：PyTorch、TensorFlow、Keras和其他即将推出的框架支持Jupyter Notebook和PyCharm远程调试

TRAINS服务器和使用TRAINS python包的GPU训练机器的交互过程

记录一切：让机器学习实验真正可重复

自动关联模型+代码+参数+初始权重的模型日志记录

自动在集中存储上创建模型副本（支持共享文件夹、S3、GS，Azure即将推出！）

共享与合作

多用户过程跟踪与合作

中心服务器能够整合日志、记录和通用统计数据

提高生产力

全面的实验数据比对，代码贡献、初始权重、超参数和量度结果等。

组织与管理

管理并组织项目中的实验

查询能力。通过结果量度对实验进行分类和筛选。

更多特色

通过网页应用，利用远程机器终止实验

提供经过现场测试的功能丰富的SDK，可满足用户的即时定制化需求

有关TRAINS机器学习模型管理平台的更多详情，可参阅GitHub资源：https://github.com/allegroai/trains