机器学习流行实验平台的概述,并附有实际示例。

Comet ML 是一个实验平台,允许从开始到最终监控测试机器学习项目。 Web 上还有许多其他类似的平台,包括 Neptune.ai、Guild.ai、Sacred 等。

Comet ML 可以轻松与最流行的机器学习库集成,包括 scikit-learn、Pytorch、Tensorflow、Keras 等。实验可以用 Python、Javascript、Java、R 和 REST API 编写。

在本文中,我将重点介绍 Python。

文章的结构安排如下:

• Comet ML概述

• 使用 Comet ML

• 使用示例

1 Comet ML概述

Comet ML 是一个在线平台,允许跟踪实验。 Comet ML 的主要优点是我可以轻松构建报告仪表板和监控系统。

Comet ML 提供以下功能:

• 比较实验:我可以很容易地为同一个项目构建不同的实验,并比较结果,在指标、系统指标、参数等方面;监控模型:我可以监控从早期阶段到生产的模型。这可以通过警报和调试策略来完成;

• 与其他人协作:我可以与其他人共享我的工作空间项目;

• 构建报表和面板:从我的实验结果开始,我可以轻松构建报表和仪表板;将我的项目公开或公开。

2 使用 Comet ML

一旦我进入 Comet ML 网站,我就可以创建一个免费帐户。然后,我登录平台并通过单击相关右上角的按钮创建一个新项目。我用所需的信息填写表格。

当我单击创建按钮时,会出现一个空仪表板。

我可以通过单击页面右上角的按钮 (+Add) 添加一个新实验。我从下拉菜单中选择实验。

该平台为实验生成了一个新的 API,可以在我的 Python 代码中使用:

# 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",
)

进入全屏模式 退出全屏模式

现在,我需要在本地计算机上安装 comet_ml Python 包:

pip3 install comet_ml 

进入全屏模式 退出全屏模式

然后我可以像往常一样开始编码。

继续阅读迈向数据科学