Microsoft Research veröffentlicht TensorWatch

Neues Debugging-Tool: TensorWatch für Machine Learning

Maika Möbus

© Shutterstock / Mironmax Studio

TensorWatch ist erschienen – ein neues Debugging-Tool speziell für Machine Learning. Es soll auch in komplexen Fällen eingesetzt werden können. In einem Blogeintrag wurde das neue „Schweizer Taschenmesser der Debugging-Tools“ vorgestellt.

Machine Learning wird zunehmend komplexer, was auch das Debugging erschwert. Microsoft Research hat daher die Python-Bibliothek TensorWatch entwickelt: Sie soll das Debugging auch in anspruchsvollen Anwendungsfällen mit großen Datensätzen ermöglichen und viele Einbindungsmöglichkeiten bieten.

Features von TensorWatch

Laut Microsoft Research ist Machine Learning durch immer größere Datensätze und die damit verbundenen längeren Trainingszeiten für Modelle immer schwerer zu durchschauen. Das Logging werde deshalb wegen der relativ hohen Kosten häufig vermieden. Microsoft kritisiert den oft verfolgten Ansatz „what you see is what you log“, also sich auf einzelne Signale zu verlassen. An dieser Stelle setzt TensorWatch an: Es soll die Logging-Kosten reduzieren und somit zu fundierteren Entscheidungen im ML-Entwicklungsprozess beitragen.

Zu den Features von TensorWatch zählen die Visualisierung von interaktivem Echtzeit-Debugging in Jupyter Notebook, benutzerdefinierte UIs und die Einbindungsmöglichkeit in das Python-Ökosystem. Die unterstützten Visualisierungstypen sind u. a. Balkendiagramme, Histogramme, Kuchendiagramme und 3D-Variationen. Am Beispiel einer ML-Trainingsanwendung wird die Visualisierung durch TensorWatch in Jupyter Notebook demonstriert:

TensorWatch in Jupyter Notebook; Quelle: Microsoft Research

Voraussetzung für TensorWatch ist eine Version von Python 3. Das Debugging-Tool wurde mit PyTorch 0.4-1.x getestet und auch mit TensorFlow Eager Tensors sollen die meisten Features kompatibel sein.

Weitere Informationen gibt es auf dem Microsoft Research Blog und auf GitHub.

ML Conference 2019

Workshop: Machine Learning 101++ using Python

mit Dr. Pieter Buteneers (Chatlayer.ai)

Honey Bee Conservation using Deep Learning

mit Thiago da Silva Alves, Jean Metz (JArchitects)

Geschrieben von
Maika Möbus
Maika Möbus
Maika Möbus ist seit Januar 2019 Redakteurin bei Software & Support Media. Zuvor studierte sie Soziologie an der Goethe-Universität Frankfurt und an der Johannes Gutenberg-Universität Mainz.
Kommentare

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
4000
  Subscribe  
Benachrichtige mich zu: