同じ ML ボイラープレートを毎回書くのに疲れている方へ、またはコーディング経験のない初心者の方へ。
MLForge は、機械学習パイプラインを視覚的に作成できるアプリです。
3つのタブにまたがって、ノードグラフのようにパイプラインを構築します：
Data Prep - データセットをドラッグして（MNIST、CIFAR10 など）、変換を連結し、DataLoader で終えます。適切な検証分割のために、検証用 DataLoader を持つ第2のチェーンを追加します。
Model - レイヤーを視覚的に接続します。入力 -> Linear -> ReLU -> 出力。これが思っているより楽になるいくつかのポイント：
- MNIST（または任意のデータセット）ノードを追加すると、入力形状が自動的に 1, 28, 28 に設定されます。
- レイヤーを接続すると、in_channels / in_features が自動的に伝搬します
- Flatten の後、次の Linear の in_features はその上の畳み込みスタックから計算されるため、もう手動でその計算を行う必要はありません。
- 形状エラーを防ぐためにできるだけ努力する堅牢なエラーチェックシステム。
Training - モデルとデータノードを追加し、それらを Loss ノードと Optimizer ノードに接続して RUN を押します。損失曲線がリアルタイムで更新され、最高のチェックポイントが自動的に保存されます。
Inference - 推論ウィンドウを開き、チェックポイントをドラッグ＆ドロップして、テストデータでモデルを評価します。
Pytorch Export - プロジェクトが完了したら、プロジェクトを純粋な PyTorch にエクスポートするオプションがあります。実行して試せるスタンドアロンファイルとして出力されます。
無料でオープンソース。プロジェクトのショーケースは GitHub のリポジトリの README にあります。
GitHub: https://github.com/zaina-ml/ml_forge
MLForge をインストールするには、コマンドプロンプトに以下のものを入力してください
pip install zaina-ml-forge
次に
ml-forge
ご意見がありましたら、ぜひ下のコメント欄にご投稿ください。初心者にも、上級者にも使えるソフトウェアを作ることを目標としています。
これは v1.0 なので、まだ粗い点があるかもしれません。見つけたらコメント欄に投稿してください。私が修正します。
