ray.tune.logger.aim.AimLoggerCallback

class ray.tune.logger.aim.AimLoggerCallback(repo: str | None = None, experiment_name: str | None = None, metrics: List[str] | None = None, **aim_run_kwargs)

基类：LoggerCallback

Aim Logger：以 Aim 格式记录指标。

Aim 是一个开源的、自托管的机器学习实验跟踪工具。它擅长跟踪大量的（数千个）训练运行，并允许你通过一个高性能且设计精良的用户界面进行比较。

源码: aimhubio/aim

参数:

• repo – 目标仓库目录或一个 Repo 对象，Run 对象将记录结果到该对象。如果未提供，将在实验目录（试验目录的上一级）中设置一个默认仓库。

• experiment – 设置每个 Run 对象的 experiment 属性，该属性是与其关联的实验名称。可以稍后用于查询运行/序列。如果未提供，默认值将是 RunConfig(name=...) 设置的 Tune 实验名称。

• metrics – 要跟踪的指标名称列表（来自 Tune 报告的指标），在 Aim 中。如果没有指定指标，则记录所有报告的内容。

• aim_run_kwargs – 在为每个试验创建单独的 Run 对象时将传递的额外参数。有关参数的完整列表，请参阅 Aim 文档：https://aimstack.readthedocs.io/en/latest/refs/sdk.html

方法

__init__	有关参数的更多信息，请参阅 help(AimLoggerCallback)。
get_state	获取回调的状态。
log_trial_restore	处理试验恢复时的日志记录。
log_trial_save	处理试验保存检查点时的日志记录。
on_checkpoint	在Tune保存检查点后调用。
on_experiment_end	在实验结束后且所有试验均已完成时调用。
on_step_begin	在每个调优循环步骤开始时调用。
on_step_end	在每个调优循环步骤结束时调用。
on_trial_recover	在一个试验实例失败（出错）后调用，但该试验已安排重试。
set_state	设置回调的状态。
setup	在训练开始时调用一次。

属性

VALID_HPARAMS
VALID_NP_HPARAMS