Pros y Contras de neptune.ai

Hemos estado usando Neptune durante más de un año y satisface todas nuestras necesidades en términos de seguimiento de experimentos. Neptune también es fácil de integrar y usar, lo que lo convierte en una decisión fácil de tomar. Reseña recopilada por y alojada en G2.com.

Actualmente, Neptuno carece de funcionalidades (para nuestro uso) para el monitoreo de datos y la versionado de modelos. No obstante, recibimos buenos comentarios de que estos temas están en su hoja de ruta. Tengo muchas ganas de ver los próximos pasos. Reseña recopilada por y alojada en G2.com.

Neptune almacena todos los resultados de las ejecuciones que luego se pueden reunir en un solo dataframe. Es extremadamente útil tener todos los experimentos en un solo lugar accesible. Esto, combinado con el etiquetado de ejecuciones, crea una combinación poderosa para el análisis de resultados.

Recomiendo neptune para proyectos de ML. Es muy amigable para principiantes y fácil de introducir en cualquier marco de trabajo de ML. Lo he utilizado con éxito con keras, pytorch y optuna. Creo que es una gran herramienta que es un elemento básico cuando se trata de la gestión de experimentos. Reseña recopilada por y alojada en G2.com.

- No puedes añadir notas a las ejecuciones de Neptune, lo cual requiere una herramienta separada para escribir notas.

- GUI compara ejecuciones en un determinado sello de tiempo (ejecución A después de la 10ª época vs ejecución B después de la 20ª época).

- ¡No hay manejo de valores nan! Reseña recopilada por y alojada en G2.com.

Super easy to use and integrates neatly into our model experiment lifecycle. We deploy very often and across several different projects, and without a proper organization tool things can get messy quite quickly. Neptune has helped us keep everything neatly organized, easily reproducable, and helps keep everyone on the team up-to-date with the latest advancements. First thing we do whenever we start a new project is to ensure we have Neptune tracking set up, which helps us iterate quickly.

The main draw for us were the customizable dashboards for experiment comparison, as we have many metrics to keep track of, and we haven't found an alternative that can satisfy our customization needs like Neptune. Having all relevant metrics grouped together and easily comparing several experiments has been great. Reseña recopilada por y alojada en G2.com.

Some more convenience features would be great. For example the ability to replicate custom dashboards across projects, or turning custom views directly into new dashboards. Also something like being able to batch add several columns using regex would be super useful. Reseña recopilada por y alojada en G2.com.

Neptune is a tool that manages machine learning experiments. Wehn you are doing hyperparameter optimization and prototyping, it is important to have a tool that keep track of the different experiments. Neptune can do exactly that.

It is easy to analyze a single run and e.g. check how the loss is progressing. You can also compare runs to see what changed and select the best. Uploading model checkpoints can help you to go back to specific runs even a long time later Reseña recopilada por y alojada en G2.com.

It takes some time to learn how to make the most out of neptune. Reseña recopilada por y alojada en G2.com.

It keeps improving

Easy to integrate into projects

Customer support team is responsive and very considerate of suggestions Reseña recopilada por y alojada en G2.com.

At the momemnt I am very happy with neptune. It has improved a lot over time. Reseña recopilada por y alojada en G2.com.

We are Neptune.ai customers since 2021 and we had a great experience with the platform so far.

Our main use is experiment tracking of a large number of runs for several different projects, where multiple researchers and engineers contribute to each project.

The Runs view is really what makes it superior compared to every other experiment tracking platform. The way we can deal with hundreds of hyperparameters and metrics across thousands of runs really makes it the perfect experiment tracking plaform.

Integration with Lightning and Keras is extremely easy, and customization is flexible when necessary. We love the native tracking of hardware resources.

As users of the on-prem version, deployment on K8s was always smooth and well supported by the extremely competent support staff. We have seen the tool evolving in these years, becoming better and better at every release. Reseña recopilada por y alojada en G2.com.

Honestly we don't have much to report and we look forward to seeing the Report functionality being introuced soon! Reseña recopilada por y alojada en G2.com.

Lo más valioso para nosotros es la capacidad de cargar una amplia gama de tipos de datos, como gráficos de resumen al final de una ejecución o muestras generadas durante el entrenamiento del modelo. Nos permite usar Neptune para presentar y compartir resultados con colegas, todo en un solo lugar, sin tener que gestionar archivos localmente. Antes de Neptune, solíamos registrar todos los resultados experimentales en un archivo ubicado en nuestro servidor. Era difícil visualizar, compartir y discutir resultados. También teníamos dificultades para hacer un seguimiento de las diferentes versiones de los experimentos. Así que, recomendaríamos absolutamente Neptune. Reseña recopilada por y alojada en G2.com.

Las integraciones con otras herramientas como PyTorch Lightning son ocasionalmente problemáticas, pero este es un problema menor. Reseña recopilada por y alojada en G2.com.

Neptuno tiene una gran integración para varios marcos, lo que hace que trabajar con él sea fluido. La interfaz de usuario está despejada y es utilizable. Reseña recopilada por y alojada en G2.com.

Las capacidades de crear gráficos dinámicos están presentes, pero podrían ser más sofisticadas. Reseña recopilada por y alojada en G2.com.

Being able to track a ton of metrics and easily share them with teammates. The UI is very smooth and responsible, even when using large image datasets. It was also very easy to integrate within pytorch lightning. The Neptune-AI is fantastic and replies very quickly whenever we need support. Reseña recopilada por y alojada en G2.com.

Would be great to have more plotting options in UI (e.g., bar plots or histograms) Reseña recopilada por y alojada en G2.com.

The python sdk is easy to use, the UI is fast, and the project is actively maintained, new features are added regularly without breaking changes. The enterprise pricing plan is also cheaper than alternatives. Reseña recopilada por y alojada en G2.com.

It's missing a couple quality of life features Reseña recopilada por y alojada en G2.com.