在快节奏的模型设计和部署需求中,找到快速转换解决方案是一项挑战。幸运的是,Sentient最近发布了Studio.ml的第一个版本,这是一个用Python编写的开源框架,旨在简化和加速机器学习(ML)模型的开发。这个项目专为数据科学家和ML实践者设计,以帮助他们加快实验速度。
Studio.ml的目标是最小化机器学习实验的调度、运行、监控和管理所花费的时间。根据Sentient的博客文章,市场上现有的工具和软件无法确保ML实验的可复制性。Studio.ml的构建正是为了克服这一障碍。
使用Studio,可以在单一位置跟踪所有实验。Studio的Web界面允许共享实验并查看他人的实验。它还为提供了私密保存实验的灵活性。可以尝试。
Studio.ml工具与Keras、TensorFlow、PyTorch和scikit-learn兼容。团队已经尽力保持Studio.ml的代码语法与上述框架相似,以便用户在运行studio时需要对代码进行的修改非常少。
可以通过以下命令使用pip在机器上安装studio.ml:pip install studioml
根据Studio.ml的GitHub页面,该工具提供以下功能:
这里有一些短视频,可以帮助熟悉Studio.ml:
看法是,这是一个独特的框架,允许保存(和共享)实验,全部在一个地方。更有趣的是,不需要努力学习新工具或语言,开发者已经尽可能地简化了这个过程。