比较

海王星vs系统神圣+Omniboard

奈普奈-龙卷风
vs系统
神圣Omniboard
只显示差数

商业需求

商业需求 切夫伦
单片或广度ML平台

单机组件

光滑板web仪表板圣洁机器学习实验管理工具

产品有租房和/或私有/公共云吗?

可同时部署地产和/或云上,但必须自控

产品是作为商业软件、开源软件或受控云服务提供

托管云服务

开源

SLOS/SLAs:供应商是否提供服务级保障

支持: 供销商提供24x7支持吗

SSO,ACL:服务商提供用户访问管理吗?

安全策略和守法

通用能力

搭建 切夫伦
基础设施需求是什么

无特殊需求neptune客户安装并访问互联网使用管理托管检验基础设施预部署需求

圣洁只需要python和pi安装并连通互联网光滑板额外需要nde.jsv12+

训练过程需要多少改变

最小化几行代码跟踪读更多

最小化只需添加几行代码

是否通过CLI/YAML/Client库整合培训过程

对 通过neptune客户端库内

对 通过神圣python库CLI系统

带WebUI或控制台
无服务器UI

灵活性、速度和无障碍性 切夫伦
如何访问模型元数据
gRPCAPI

CLI/自定义API

RESTAPI

PythonSDK

RSDK

avaSDK

JuliaSDK

支持操作
-搜索

-更新

-下载

分布式培训支持

管道支持

日志模式
离线

禁止/关闭

异步

同步

直播监控

移动支持

webhoks通知

kb88凯时开户平台

日志显示元数据 切夫伦
数据集
- 位置(路径/s3)

hash-md5

预览表

预览图像

预览文本

预览富媒体

多文件支持

代码版本
Git-Git

-源头

-笔记本

参数解析

度量损
单值

串行值

串行集量(min/max/avg/var/last)

标签标签

Descriptions/comments

丰富格式
图像支持标签描述

绘图

交互式可视化(widgets插件和插件)

视频

音频

神经网络直方图

预测可视化

预测视觉化

预测视觉化(图像-交互式混淆矩阵图像分类)

农城

预测可视化(图像-叠加预测屏蔽图像分割)

农城

预测可视化(图像-重叠预测框检测对象)

农城

硬件消耗
CPU系统

GPU系统

TPU系统

内存

系统信息
控制室日志

错误栈跟踪

-执行命令

系统细节(主机、用户、硬件规格)

环境配置
Pip需求t

- condaenv.yml

-多克多克文件

文件类
模型二进制

CSV

外部文件参考

比较实验 切夫伦
表格式diff

重叠学习曲线

参数和度量
群论实验值

并行坐标图

参数重要性绘图

富格式(并排)
-图像

视频

音频

绘图

交互式可视化

-文本

神经网络直方图

预测可视化

预测可视化(图像、视频、音频)

代码解析
Git-Git

-源文件

-笔记本

环境
Pip需求t

- condaenv.yml

-多克多克文件

硬件
CPU系统

GPU系统

内存

系统信息
控制室日志

错误栈跟踪

-执行命令

系统细节(主机主)

数据版本
-位置

哈希

数据集diff

外部引用版本diff

文件类
模型类

CSV

自定义比较仪表板
组合多元数据类型(图像学习曲线硬件)

登录笔记本/编码定制比较

比较/比数3+实验/运行

组织搜索实验和元数据 切夫伦
实验表定制
增加/删除列

UI重命名列

增加列颜色

显示像表培训度量等数列集(min/max/avg/vag/var/last)

自动磁列建议

实验滤波搜索
搜索多重条件

查询语言对固定选择器

固定选择器

保存过滤器和搜索历史

自定义单项实验仪表板
组合不同元数据类型

保存实验表视图

日志项目级元数据

自定义部件插件

挂起并搜索标签

嵌套元数据支持UI

可复制性可追踪性 切夫伦
单命令实验重运行

实验线程
下游使用数据集列表

下游使用的其他文物清单

下游文物依赖图

可复制协议

环境编译并可复制

保存/获取/缓存数据集供实验

协作和知识分享 切夫伦
用户群和ACL

分享UI链接项目成员

分享UI链接外部

注释化

交互项目级报表

模型寄存器

模型编译 切夫伦
代码版本(培训使用)

环境版

参数解析

数据集版本

结果(计数可视化)

解释(SHAP,DALEX)

模型文件(打包模型、模型权重、指针人工存储器)

模型线程和评价历史 切夫伦
模型/实验生成下游

评价/测试历史运行

支持持续测试

用户创建模型或下游实验

存取控制模型审查模型推广模型 切夫伦
主级切换标签(开发、阶段制作)

自定义级标签

锁定模型版和下游运行、实验和人工制品

添加注解/注释和UI批准

模型比较(当前对挑战者等)

兼容性审核

遵章审核(数据集使用、创建过程审批、结果/解释验证)

CI/CD/CT兼容 切夫伦
webhooks网络

模型无障碍

支持持续测试

集成CI/CD工具

模型搜索 切夫伦
注册模型

活动模型

通过元数据/artifacts创建

按日期

用户/所有者

通过生产阶段

搜索查询语言

模型打包 切夫伦
原生打包系统

兼容打包协议(ONNX等)

模型单文件或柔性结构

集成打包框架

整合支持

语言类 切夫伦
ava大全

朱莉亚

ython语言

R

优先API

模型培训 切夫伦
催化器

Catboost

捷台市

FB预测

古龙市

hugging脸孔

H2O

LightGBM

拼接

yToch

PyTarkIgnite

PyTorrch闪电

ikit学习

斯库奇

斯派西

SparkMLLIB

Stats模型

TesorFlow/Keras

XGBoost

超参数优化 切夫伦
超优

Keras图纳

Optuna软件

雷通

Scikit优化

模型可视化调试 切夫伦
DALEX系统

内特龙

SHAP

腾索波德

IDEs笔记本 切夫伦
ypyterLab和jupyter笔记本

谷歌Colab

深调

AWSSGEMAKER

数据版化 切夫伦
DVC

编程管线 切夫伦
空气流

Argo

克德罗

库贝波

enML

kb88凯时开户平台实验跟踪工具 切夫伦
ML流

圣洁

N/A

腾索波德

CI/CD 切夫伦
github动作

GitlabCI

环形CI

特拉维斯

詹金斯

模型服务 切夫伦
塞尔顿市

数据布列克

模型编译 切夫伦
塞尔顿市

idder.ai

亚瑟.

LLM 切夫伦
兰卓

表于2023年1月30日更新某些信息可能过期
报表过期资料.

关键长处海王星之后呢

开始海王星
  • 高度开发定制比较特征
  • 可缩放数千次运行
  • 用户管理团队协作特征
  • 25+外框集成 Python库和IDE

看这些特征运行中

一号

签名海王星并安装客户库

Pip安装neptune
2

轨迹实验

neptune运行 = neptune.init_run
3

注册模型

neptune模型 = neptune.int_mode模型
装饰师

已经使用圣洁?

圣海王星集成

取代Omniboard,你可以整合Screed和Neptune并使用UI管理实验

所有你需要做的是增加海王星观察者

# 创建神圣实验ex=实验(image-cligications,交互=True)#添加Neptune观察前.observers.append

数千ML已经选择工具

引用
Exmorboard和Azureml前用过,但Neptune大有改进特别是启动真的很容易文档极佳,图表布局和参数清晰得多
赛门马肯兹 AI工程师和数据科学家
引用
.感谢大工具.......优于我尝试过的其他工具

我猜我偏爱奈普纳的主要原因是界面, 在我看来它最干净最直观, 中心视图表非常通情达理并保存不同视图配置并不像wandb那样阴险外加点火集成化 正因如此我使用高层次模型训练框架
Klaus-Michael路由 数据学和AI学生,德国克兰根堡
引用
这东西比腾索板好多了 爱你们创建它
达涅尔-列瓦伊 Renyi Alfréd数学学院初级研究员
引用
令海王星在实验室分治的是 分享日志的易易易性光寄海王星链路松放 并让我的同事看到结果 自己是真棒前文使用Tensorboard+本地保存CSVs并发回截图和CSV文件Neptune促进协作能力最大增益
格雷格罗威斯 计算机科学圣路易斯大学初级研究生
引用
快速搭建爱它:
高比费尔顿 巴黎Telecom音乐信息处理博士生
引用
对我来说海王星最重要的事 在于它的灵活性即便我用Keras或Tensorflow培训本地笔记本电脑,
Victor Penado 高级NLP/ML工程师

5分钟内将海王星和代码整合

千万别过头

Baidu
map