MLXP：一个在 Python 中进行可复现实验的框架
机器学习
2024-06-18 v2 软件工程
摘要
由于复杂非确定性算法的使用以及对众多超参数选择（如模型架构和训练数据集）的依赖，机器学习（ML）研究中的可复现性日益令人担忧。确保结果的可重复性和可复现性对于推动该领域的发展至关重要，但这通常需要大量的技术努力来进行系统且组织良好的实验，以得出稳健的结论。虽然已开发了几种工具来促进实验管理并增强可复现性，但它们往往引入了阻碍研究社区采用的复杂性，尽管在工业环境中处理得当。为了解决低采用率的挑战，我们提出了 MLXP，这是一个基于 Python 的开源、简单且轻量级的实验管理工具，网址为 https://github.com/inria-thoth/mlxp。MLXP 以最小的从业者开销简化了实验流程，同时确保了高水平的可复现性。
引用
@article{arxiv.2402.13831,
title = {MLXP: A Framework for Conducting Replicable Experiments in Python},
author = {Michael Arbel and Alexandre Zouaoui},
journal= {arXiv preprint arXiv:2402.13831},
year = {2024}
}