本日Reddit热议：开源机器学习管理平台TRAINS。据开发者介绍，该平台能够通过中央服务器集中记录管理ML模型的一切信息，整合方便，与主流框架无缝对接，仅用两行代码即可启用，相关Demo和GitHub资源已。
今天Reddit头号热帖看起来像是一条广告：这是一个ML团队自家开发的模型管理平台，名字很别致，叫“TRAINS”，很直观有没有？
帖子作者是开发团队之一，上来第一句就很耿直：现在机器学习模型管理平台很多，要不要来试试我们刚开源这个？
简单介绍一下，这个平台名叫TRAINS，我们团队没有营销team，所以我作为开发团队一员，先发到reddit上让你们先试试看了！
你这平台最大特点是啥？使用简便！只需在脚本中添加两行代码，模型、性能指标、超参数就尽在掌握了。
话说回来，只要分享的东西好用，作为“美国贴吧”的Reddit上的网友其实并不广告，下边网友就开始提问了，比如：
我现在还没进GitHub里详细查看，不如你简单介绍一下这个TRAINS平台和现有其他机器学习模型管理平台，比如和Sacred的区别、眼皮跳吉凶或者说是特别之处在哪儿呢？
TRAINS整合整个资源库只需两行代码，如果是Scared的话，需要为每个函数添加修饰器，记录每个量度和超参数，显示整合非常麻烦。
TRAINS还会自动将git repo和commit与实验中的训练过程连接起来。（据我所知，这在Sacred中是办不到的，至少不容易实现）
TRAINS自动记录模型（工件）并在集中创建它们的副本，因此团队可以轻松共享模型和初始权重（使用Sacred，只能手动执行操作，只能在共享文件夹上共享。
TRAINS（如Scared）还允许用户直接访问mongoDB和elasticsearch数据库，以便更深入地了解系统。
不过，作者Reddit上的回复中对TRAINS的介绍比较简略，我们还可以去GitHub上看看。
GitHub上的介绍就直接多了，介绍说档中直接将TRAINS称为一套“神奇的自动化AI实验管理器和版本控制器。”
即使是才华横溢的科学家，工程师或开发人员，在工作时都难免被复杂的流程搞得一团乱麻。机器学习的工作流程是可以管理的。随着时间的推移和项目人手的增加，管理的混乱会降低生产力。随着项目向生产方向发展，必须通过可见性和出处（provenance）来扩展深度学习的研究。
不论是对于团队还是企业，TRAINS都能将所有内容记录在一个中央服务器中，并实现可视化和出处，这样生产力就不会受到影响。TRAINS可以记录和管理各种深度学习研究的模型负载，并且几乎不需要付出集成成本。
我们专门设计了TRAINS，能够轻松集成模型参数，团队可以保留现有的方法和实践。可以每用TRAINS来增强团队协作，提升可视化程度，还可以用来将实验日志、输出和数据收集到一个集中式的中央服务器上。
TRAINS是我们解决机器学习/深度学习领域中与无数其他研究人员和开发人员分享的问题的方法：培训生产级深度学习模型是一个光荣而又混乱的过程。TRAINS通过关联代码版本控制、研究项目、性能指标和模型出处来和控制流程。
网友评论 ()条 查看