- เฟรมเวิร์กที่สร้างขึ้นเพื่อทำให้การติดตามการทดลอง ML เป็นอัตโนมัติ
- แตกต่างจากเครื่องมือติดตามการทดลองอื่น ๆ ตรงที่ทำให้ลอจิกด้านการคงอยู่ของข้อมูล การคิวรี และการจัดการเวอร์ชัน กลายเป็นส่วนปกติทั่วไปของตัวภาษาโปรแกรมเอง
- เป้าหมายคือทำให้สามารถเขียนโค้ดการคำนวณที่ยืดหยุ่นและแสดงออกได้ดี โดยไม่ต้องคอยคิดเรื่องการคงอยู่ของข้อมูลเหมือนในเซสชันแบบโต้ตอบ และยังคงได้รับประโยชน์ทั้งหมดของคลังเก็บที่มีการจัดการเวอร์ชันและคิวรีได้ในภายหลัง
- ใช้เครื่องมืออเนกประสงค์ 2 อย่างเพื่อลดความพยายามและโค้ดโอเวอร์เฮดที่จำเป็นสำหรับการติดตามการทดลอง ML (และมากกว่านั้น):
- ดีคอเรเตอร์
@op:
- เก็บบันทึกอินพุต เอาต์พุต และโค้ด (+ การพึ่งพา) ของการเรียกฟังก์ชัน Python
- นำผลลัพธ์ในอดีตกลับมาใช้ซ้ำโดยอัตโนมัติ และ ไม่คำนวณการเรียกเดียวกันซ้ำสองครั้ง
- ออกแบบให้ประกอบเป็นโปรแกรมแบบ persistent ครบวงจร ที่ช่วยให้พัฒนาแบบวนซ้ำได้อย่างมีประสิทธิภาพใน Python ปกติ โดยไม่ต้องกังวลกับสตอเรจแบ็กเอนด์
- โครงสร้างข้อมูล ComputationFrame:
- จัดระเบียบการทำงานของโค้ดเชิงคำสั่งให้เป็นกราฟการคำนวณระดับสูงของตัวแปรและโอเปอเรชันโดยอัตโนมัติ ตรวจจับแพตเทิร์นอย่างลูปป้อนกลับ การแตกแขนง/รวมทาง และการรวมผล/ทำดัชนี
- คิวรีความสัมพันธ์ระหว่างตัวแปร โดยดึงดาต้าเฟรมที่คอลัมน์เป็นตัวแปรและโอเปอเรชันในกราฟ และแต่ละแถวมีค่า/การเรียกของการทำงานของกราฟที่อาจเป็นบางส่วนได้
- ทำให้การสำรวจและงานระดับสูงเป็นอัตโนมัติ สำหรับ "เว็บ" แบบ heterogeneous ของการเรียก
@op
ยังไม่มีความคิดเห็น