Skip to main content

版本 0.13

important

Trains 现在是 ClearML。

Trains 0.13.3​

功能与错误修复

  • 为 tensorboard.summarywriter.addscalars 添加绑定
  • 添加tensorboard_single_series_per_graph方法，该方法支持为每个TensorBoard标量单独绘制图表。
  • 添加Task.set_base_docker和Task.get_base_docker方法，用于Trains Agent使用的基础Docker镜像。
  • 添加对标准操作系统环境变量的支持，以获取以下默认凭据：
    • AWS: AWS_ACCESS_KEY_ID, AWS_SECRET_ACCESS_KEY, 和 AWS_DEFAULT_REGION.
    • Azure 存储: AZURE_STORAGE_ACCOUNT 和 AZURE_STORAGE_KEY.
    • Google 云存储: GOOGLE_APPLICATION_CREDENTIALS.
  • 添加Task.get_parameters_as_dict和Task.set_parameters_as_dict方法，支持从引用的任务中获取/设置参数（使用Task.get_task获取引用）。
  • 确保 Task.connect 始终返回传递给它的已连接实例。
  • tensorflow_gpu 在 Trains 检测已安装的包以记录实验依赖项时优先于 tensorflow。
  • 在报告指标时移除标题和系列命名的限制（允许使用$和.）。
  • 修复初始化向导和升级通知中的错误打印输出。
  • 修复上传文件中名称包含%的调试图片URL。

Trains 0.13.2​

功能与错误修复

  • 允许使用Logger.report_image.params.url参数在Logger.report_image()中报告预上传的图片URL。
  • 添加对没有.git后缀的Git仓库的支持，例如Azure Repos。
  • 改进conda支持。
  • 改进超参数 argparser 集成。
  • 修复了matplotlib绑定中的savefig修补问题。
  • 修复退出时的日志、事件和Jupyter Notebook刷新问题。

Trains 0.13.1​

功能与错误修复

  • 在matplotlib绑定中添加对pyplot.savefig和pylab.savefig的支持。
  • 添加对SageMaker的支持。
  • Improve the configuration wizard.
  • 尝试确保在使用 torch 时 TensorBoard 可用。
  • 如果无法序列化，请不要存储keras模型网络设计（GitHub Issue #72）。
  • 修复 matplotlib 绑定支持。

Trains 0.13.0​

功能与错误修复

  • 添加对trains-server v0.13.0的支持。
  • 添加对嵌套（非主要）任务的支持。
  • 当无法关闭自动参数解析器绑定时添加警告。
  • 添加 Task.upload_artifact 支持外部URL（预上传）。
  • 添加对超参数键中特殊字符的支持（空格、. 和 $）（GitHub Issue #69）。
  • 添加对PyTorch .pt模型文件的支持。
  • 根据用户标准计算数据审计工件的唯一性 (GitHub Issue #45).
  • 使用环境变量来设置默认的docker镜像 (GitHub Issue #58).
  • 改进 trains-init 配置向导。
  • 更新示例以适应新的joblib版本。
  • 将jupyter示例更新为TensorFlow 2。
  • 修复任务克隆以仅复制输入工件。
  • 修复使用Agg后端时的matplotlib导入绑定。
  • 修复 ProxyDictPreWrite 和 ProxyDictPostWrite，使它们能够正确地进行序列化 (GitHub Issue #72)。
  • 修复了在Python 2.7中导入netrc时可能导致死锁的请求问题。
  • 修复argparser绑定子解析器和类型转换支持 (GitHub Issue #74).
  • 修复argparser绑定Python 2.7的Unicode处理问题。
  • 修复远程执行期间覆盖的未同步连接超参数。