本文经人工智能新媒体量子比特（公众号ID：QbitAI）授权转载，转载请联系出处。来自加州伯克利的团队开源了一款号称搜索速度比TensorBoard快数倍的机器学习可视化工具包Aim，并成为Reddit上的热门话题。Aim可以在几分钟内记录、搜索和比较数百个实验，而在TensorBoard或MLFlow上进行大量实验比较可能需要数小时。这非常适合实验管理，而且Aim非常易于使用。与TensorBoard/MLFlow相比，Aim的优势主要在于支持：按参数搜索、对图进行分组排序、汇总大量实验、查看趋势、以及其他更小的实验指标和参数操作。例如，我们只想看到训练集上的测试结果。设置context.subset为train：如果要在搜索结果的基础上进一步过滤，去掉学习率为0.00001的部分，再添加一个andcondition即可：如果对图中的某个数据点感兴趣，点击它可以快速定位到相应的表位置。方便吗？虽然界面可能有点简陋，但简单易用是Aim的主要特点。有网友表示Aim看起来很简洁，搜索语言看起来也很好用。近年来，在AI实验中诞生了trains、wandb等第三方可视化工具。与此类工具相比，Aim在速度和数据隐私方面具有很大优势。安装使用Aim需要先安装Docker，Aim本身是通过pip安装的。pip3installaim-cli输入以下命令运行AimUI：aimup前提是你要在自己的AI模型中导入Aimimportaim...aim.set_params(hyperparam_dict,name='params_name')aim.track(metric_value,name='metric_name',epoch=the_epoch_value)...Aim提供了跟踪数据（track）、设置超参数（set_params）和指定自定义目录（session）的方法。最近，作者为Aim添加了一个新功能：支持使用Tensorboard日志。方法如下：aimup--tf_logspath/to/logs该命令将在TensorFlow摘要日志上启动Aim，并从给定路径递归加载日志。Aim的开发人员承诺在未来提供PytorchLightning和Keras集成。GitHub地址：https://github.com/Aimhubio/Aim
