毎回同じ ML のボイラープレートを書くのにうんざりしている人や、コーディング経験のない初心者のために。

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：

データ準備 - データセットをドラッグして取り込み（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 を含む2つ目のチェーンを追加します。

モデル - レイヤーを視覚的に接続します。入力 -> 線形層 -> ReLU -> 出力。これを実現するのが思ったよりも楽になるいくつかの点：

• MNIST（または任意のデータセット）のノードを挿入すると、入力の形状が自動で 1, 28, 28 に埋められます
• レイヤーと in_channels / in_features が自動的に伝播します
• Flatten の後、次の Linear の in_features はその上の畳み込みスタックから自動的に計算されるため、もう手動で計算する必要はありません
• 形状エラーを防ぐよう最善を尽くす堅牢なエラーチェック機構。

トレーニング - モデルとデータノードを配置し、それらを Loss ノードと Optimizer ノードにつなぎ、RUN を押します。損失曲線がライブで更新されるのを見て、最高のチェックポイントを自動的に保存します。

推論 - チェックポイントを追加してテストデータでモデルを評価できる推論ウィンドウを開きます。

PyTorchエクスポート - 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。実行して実験できるスタンドアロンのファイルとして。

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 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次のコマンドを入力してください

pip install zaina-ml-forge 

次に

ml-forge 

ご意見がございましたら、遠慮なく以下へコメントしてください。初心者と上級者の両方が使えるソフトウェアを作ることを目標としています。

これはバージョン1.0なので粗い部分があるかもしれません。見つけたらコメントに残してください。私が修正します。