我們知道在做模型建立、模型驗證的時候需要思考以下幾個問題：

• 多人協作如何紀錄分析每位協作者的實驗紀錄，如何從眾多的實驗紀錄中快速比較出預測效果最好的模型？
• 當實驗階段嘗試很多新特徵或是不同樣式，可能有時序或無時序的資料時，如何方便管理？
• 當發現有些實驗表現不錯，如何快速復刻該實驗？

因此，這篇文章將會和大家分享幾個有助於管理「紀錄實驗參數」、「模型訓練的 Loss 曲線」、「模型評估指標」、「儲存模型」等幾項實驗數據的好用工具，主要會介紹三個較多人使用與討論的工具： Tensorboard、Weight&Biases、MLflow。

這些工具的目的都是在幫助團隊管理多專案與多實驗的狀況，可以輔助開發過程較為順利，所有的實驗數據都會被紀錄與備份，可以減少實驗數據遺失的風險。

這邊先提供讀者選擇工具上的建議：

• Tensorboard : 如果是個人使用，它可以簡易快速實現模型實驗紀錄的功能，它有優秀的各種參數紀錄功能與模型架構紀錄功能，但如果要多人協作就不建議使用 Tensorboard。
• Weight&Bias : 這個工具主要是以多人協作為主的開發平台，會將實驗紀錄上傳至雲端中，這樣可以減少團隊開發上的系統維護，只是要注意免費使用空間是 100GB。
• MLflow : 這個工具如果要使團隊一起開發協作，需要自己建立伺服器，需要團隊維護，但好處是可以將實驗紀錄儲存在公司內部，MLflow 工具是開源且免費。

下一篇文章將與大家分享 MLOps-資料管理工具，還有哪些工具可以協助我們在開發與部署時方便管理資料

參考文獻
1.初探 mlflow-tracking- 保持 ml 實驗的可追溯性與可重現性-
2.Weights & Biases — ML 實驗數據追蹤

（撰稿工程師：顧祥龍）
完整內容 >> https://bit.ly/3Ai0DQA
Line 官方帳號，看最新技術文章：https://user137910.pse.is/aif2024ironman