EN 
Wenn Sie bereits an frühen Machine-Learning-Projekten mitgearbeitet haben, kennen Sie dieses Gefühl wahrscheinlich: Überall liegen Codeskripte herum, verschiedene Tabellen mit Wertungen und Parametern sowie zufällig benannte Dateien mit Modellgewichten.
Als unser Team größer und unsere KI-Projekte anspruchsvoller wurden, erkannten wir, dass einfache Tabellenkalkulationen nicht mehr funktionierten. Wir mussten uns organisieren. Wir brauchten Zuverlässigkeit und einen klaren Überblick über unsere Arbeit. So fanden wir vor einigen Jahren ein wichtiges Tool, das uns dabei half: ClearML und wir verwenden es seitdem.
Wir brauchten ein Tool, das unsere Experimente und Artefakte verfolgen und – noch wichtiger – Ordnung in unseren gesamten KI-Entwicklungsprozess bringen konnte. Nachdem wir uns verschiedene Optionen angesehen hatten, kristallisierte sich ClearML als die beste Wahl heraus. Es bot alle benötigten Funktionen, war einfach einzurichten und versprach, uns bei der Verwaltung unserer Arbeit von Anfang bis Ende zu unterstützen. Wir entschieden uns dafür, und die Wirkung war enorm.
Hier sehen Sie genauer, wie ClearML unseren Arbeitsablauf wesentlich verbessert hat.
Beim maschinellen Lernen ist es entscheidend, die Ergebnisse reproduzieren zu können. Andernfalls wird die Problembehebung zum Albtraum, die Zusammenarbeit ist schwierig und man kann seiner eigenen Arbeit nicht wirklich vertrauen.
Die Herausforderung für ClearML: Früher war die Wiederholung eines Experiments mit einem langwierigen Prozess verbunden. Wir hatten zahlreiche Tabellenkalkulationen, die sich mit jedem neuen Projekt vermehrten. Die für das Training verwendeten Parameter mussten manuell erfasst werden, und sobald das Training lief, konnten wir die verwendeten Parameter nicht einfach überprüfen.
Wie ClearML das Problem gelöst hat: ClearML fungiert als automatischer Protokollführer für jedes Experiment. Es speichert automatisch:
Die Auswirkungen: Das Wiederholen eines Experiments ist jetzt ganz einfach: Klicken Sie auf die Schaltfläche „Klonen“. Das war eine große Hilfe für:
Um bessere Modelle zu erstellen, müssen Sie verstehen, warum ein Experiment ein bestimmtes Ergebnis geliefert hat. Wenn Sie einfach Daten eingeben und ein Ergebnis erhalten, ohne die Modellmetriken zu kennen, tappen Sie im Dunkeln.
Die Herausforderung für ClearML: Wir haben versucht, unsere eigenen, supereinfachen Tools zum Vergleichen von Metriken zu verwenden. Nach etwas Einarbeitung funktionierte das Tool zwar einwandfrei. Dennoch war es mühsam, und die Leistungstrends im Zeitverlauf zu erkennen, war aufwendig. Herauszufinden, welcher Code und welcher Datensatz zu einem bestimmten Ergebnis führte, glich oft Detektivarbeit.
Wie ClearML das Problem gelöst hat: ClearML bietet uns ein einziges, benutzerfreundliches Dashboard, das als Kommandozentrale für unser gesamtes ML-Training fungiert.
Die Auswirkungen: Diese Transparenz hat es uns ermöglicht:
Beim ML-Training entstehen zahlreiche Dateien: Modellgewichte, Diagramme, Debugdaten, Beispiele, Berichte und vieles mehr, je nach Art des ML-Trainings. Die Organisation aller Dateien ist entscheidend für ein erfolgreiches Arbeiten.
Die Herausforderung für ClearML: Unsere Dateien versteckten sich in den Tiefen der Cloud-Buckets. Modelle gingen leicht verloren, da jedes Training Dutzende von Dateien mit kryptischen Namen produzierte. Dies führte zu Verwirrung, versehentlichen Fehlern und erschwerte die Suche nach der richtigen Datei, wenn wir sie brauchten.
Wie ClearML das Problem gelöst hat: ClearML stellt sicher, dass Ihre Dateien da sind, wenn Sie sie brauchen.
Die Auswirkungen: Dieser organisierte Ansatz zur Dateiverwaltung hat zu Folgendem geführt:
Der Einsatz von ClearML war mehr als nur ein neues Tool. Es half uns, bessere Arbeitsgewohnheiten zu entwickeln. Da die Plattform einen Großteil der Nachverfolgung und Organisation automatisch übernimmt, verbringt unser Team weniger Zeit mit manueller Datenpflege und mehr Zeit mit der Entwicklung neuer Ideen.
Wir erleben jetzt:
ClearML ist für unser ML-Team zu einem unverzichtbaren Werkzeug geworden. Es bringt ein Maß an Klarheit und Effizienz in unsere Arbeit, das wir vorher nicht erreichen konnten. Wenn Ihr Team mit den komplexen Aspekten des maschinellen Lernens zu kämpfen hat und Sie Ihren Prozess verbessern möchten, empfehlen wir Ihnen dringend, einen Blick auf ClearML zu werfen.
Setzen Sie sich mit Nomagic in Verbindung und erfahren Sie, wie unsere innovative Technologie Ihre Fulfillment-Prozesse auf die nächste Stufe heben kann.
