- Framework yang dibuat untuk mengotomatisasi pelacakan eksperimen ML
- Berbeda dari alat pelacakan eksperimen lainnya, framework ini menjadikan logika persistensi, kueri, dan versioning sebagai bagian umum dari bahasa pemrograman itu sendiri
- Tujuannya adalah agar pengguna dapat menulis kode komputasi yang ekspresif tanpa perlu memikirkan persistensi, seperti saat berada dalam sesi interaktif, dan tetap memperoleh semua manfaat dari repositori yang berversi dan dapat dikueri setelahnya
- Menghilangkan upaya dan overhead kode yang diperlukan untuk pelacakan eksperimen ML (dan lebih dari itu) dengan menggunakan dua alat serbaguna:
- Dekorator
@op:
- Menangkap input, output, dan kode (+dependensi) dari pemanggilan fungsi Python
- Secara otomatis menggunakan kembali hasil sebelumnya dan tidak menghitung pemanggilan yang sama dua kali
- Dirancang agar dapat disusun menjadi program persisten end-to-end yang memungkinkan pengembangan iteratif yang efisien di Python biasa tanpa perlu memikirkan backend penyimpanan
- Struktur data ComputationFrame:
- Secara otomatis menyusun eksekusi kode imperatif menjadi graf komputasi tingkat tinggi dari variabel dan operasi. Mendeteksi pola seperti feedback loop, percabangan/penggabungan, agregasi/pengindeksan
- Mengueri hubungan antarvariabel dengan mengekstrak dataframe yang kolomnya adalah variabel dan operasi pada graf, dan setiap barisnya berisi nilai/pemanggilan dari eksekusi graf (yang dapat bersifat parsial)
- Mengotomatisasi penjelajahan dan operasi tingkat tinggi terhadap "web" heterogen dari pemanggilan
@op
Belum ada komentar.