tango

收录理由

做过十几个机器学习实验的人，多半都体会过对着结果找对应运行配置的抓狂。Tango 把研究流程拆成一个个独立的 Python 步骤，用 JSONnet 配置文件串起来，一条命令行就能跑完整个流程。它最实在的地方是缓存：每个步骤的输出都根据输入和版本算出一个哈希作为键，再次运行时，凡是工作区里已经有的结果就直接跳过，不用重新计算。代码频繁改动、完整重跑要耗掉好几个小时的时候，这个设计能省下大量时间。它还自带对 PyTorch、Hugging Face 数据集和 Weights & Biases 的集成，也支持分布式执行，能直接嵌进现有的深度学习工作流，不需要你大动干戈地重构项目结构。