- Framework criado para automatizar o rastreamento de experimentos de ML
- Ao contrário de outras ferramentas de rastreamento de experimentos, transforma a lógica de persistência, consulta e controle de versão em uma parte comum da própria linguagem de programação
- O objetivo é permitir escrever código de cálculo expressivo sem precisar pensar em persistência, como em uma sessão interativa, e ainda assim aproveitar depois todos os benefícios de um repositório com versionamento e capacidade de consulta
- Remove o esforço e a sobrecarga de código necessários para rastreamento de experimentos de ML (e além) usando duas ferramentas de propósito geral:
- Decorador
@op:
- Captura entradas, saídas e o código (+ dependências) de chamadas de funções Python
- Reutiliza automaticamente resultados anteriores e não calcula a mesma chamada duas vezes
- Projetado para ser composto em programas persistentes de ponta a ponta, possibilitando desenvolvimento iterativo eficiente em Python comum sem precisar pensar no backend de armazenamento
- Estrutura de dados ComputationFrame:
- Organiza automaticamente a execução de código imperativo em um grafo computacional de alto nível de variáveis e operações. Detecta padrões como loops de feedback, ramificações/mesclagens e agregação/indexação
- Consulta relações entre variáveis extraindo um dataframe em que as colunas são as variáveis e operações do grafo, e cada linha contém os valores/chamadas de uma execução do grafo (que pode ser parcial)
- Automatiza exploração e operações de alto nível sobre a "teia" heterogênea de chamadas
@op
Ainda não há comentários.