Весь ML-пайплайн в одном графе: эксперимент с ICO на CIFAR-10

Фреймворк ICO позволяет представить весь ML-пайплайн как один вычислительный граф. На примере CIFAR-10 автор показал, как параллельно загружать данные, применять аугментации, обучать и валидировать модель — всё в рамках единой структуры.

Такой подход упрощает управление зависимостями и повышает прозрачность процесса. Результат — меньше boilerplate-кода и более гибкая настройка эксперимента.