dagger: 一个用于可复现机器学习实验编排的Python框架
软件工程
2020-06-16 v1 机器学习
摘要
机器学习，尤其是深度学习中的许多研究方向涉及复杂的多阶段实验，通常包含沿多条执行路径作用于模型的状态变更操作。尽管机器学习框架为定义模型架构和无分支流程提供了清晰的接口，但追踪实验来源——即多阶段实验中导致最终模型配置和结果的状态树——的负担往往落在研究者身上。最初出于神经网络剪枝研究中分析可复现性的动机（该领域多阶段实验流水线很常见），我们提出了dagger，一个旨在促进可复现和可复用实验编排的框架。我们描述了该框架的设计原则及使用示例。
引用
@article{arxiv.2006.07484,
title = {dagger: A Python Framework for Reproducible Machine Learning Experiment Orchestration},
author = {Michela Paganini and Jessica Zosa Forde},
journal= {arXiv preprint arXiv:2006.07484},
year = {2020}
}
备注
4 pages, 3 code listings, 1 figure