pytorch lightning

AIモデルを前処理、微調整、展開するための深い学習フレームワーク。

新規展開モデル？モデルサービングのPytorch Lightning、Litserveをご覧ください

クイックスタート•例•Pytorch Lightning•ファブリック•稲妻AI•コミュニティ•ドキュメント

Lightningには2つのコアパッケージがあります

Pytorch Lightning：Pytorchを大規模にトレーニングおよび展開します。
稲妻生地：エキスパートコントロール。

Lightningは、Pytorchに追加する抽象化の量を粒状に制御できます。

クイックスタート

稲妻をインストールする：

ピップインストール稲妻

高度なインストールオプション

オプションの依存関係でインストールします

ピップインストール稲妻['extra']

コマンド

コンドラインストール稲妻-Cコンドフォージ

安定したバージョンをインストールします

ソースからの将来のリリースをインストールします

PIPインストールhttps://github.com/lightning-ai/lightning/archive/refs/heads/release/stable.zip-u

ブリードエッジをインストールします

ソースから毎晩インストールする（保証なし）

 pipインストールhttps://github.com/lightning-ai/lightning/archive/refs/heads/master.zip -u

またはPypiのテストから

PIPインストール-IU https://test.pypi.org/simple/ pytorch-lightning

Pytorch Lightningの例

トレーニングワークフローを定義します。これがおもちゃの例です（実際の例を探索してください）：

 ＃main.py＃！ PIP Install TorchVisionimport Torch、torch.nnはnn、torch.utils.data as data、torchvision as tv、torch.nn.function as fimport lightning as l＃----------------------------------------------------------------------------------------------------------------------------------------------- ----------------# Step 1: Define a LightningModule# -------------------------- ------＃lightningmodule（nn.module subclass）はフル *システム *＃（すなわち、LLM、拡散モデル、自動エンコーダー、またはシンプルな画像分類器）を定義します。 self）：super（）.__ init __（）self.encoder = nn. sevensential（nn.linear（28 * 28、128）、nn.relu（）、nn.linear（128、3））self.decoder = nn。シーケンシャル（nn.linear（3、128）、nn.relu（）、nn.linear（128、28 * 28））def（self、x）：＃lightningで、フォワードは予測/推論actionsembedding = selfを定義します。 encoder（x）return embeddef training_step（self、batch、batch_idx）：＃training_stepトレインループを定義します。 forwardx、_ = batchx = x.view（x.size（0）、-1）z = self.encoder（x）x_hat = self.decoder（z）loss = f.mse_loss（x_hat、x） self.log（ "train_loss"、loss）return lossdef configure_optimizers（self）：optimizer = torch.optim.adam（self.parameters（）、lr = 1e-3）retupizer＃----------- ---------＃ステップ2：データを定義します＃------------------データセット= tv.datasets.mnist（ "。"、download = true 、transform = tv.transforms.totensor（））Train、val = data.random_split（dataset、[55000、5000]）＃-----------------＃ステップ3 ：トレーニング＃----------------- Autoencoder = litautoencoder（）Trainer = l.trainer（）Trainer.fit（autoencoder、data.dataloader（Train）、data.dataloader （val））

ターミナルでモデルを実行します

PIPインストールTorchVision
python main.py

なぜPytorch Lightningなのですか？

Pytorch Lightningは、科学を工学から切り離すために、Pytorch -Lightning Disentangles Pytorchコードを編成するだけです。

コミュニティ

ライトニングコミュニティは維持されています

• すべてプロのエンジニア、研究科学者、および博士号を組み合わせた10人以上のコア貢献者。トップAIラボの学生。

• 800以上のコミュニティ貢献者。

数千人の研究者のために稲妻を構築し、ボイラープレートを削減したいですか？ここで最初の貢献をする方法を学びましょう

Lightningは、Pytorchエコシステムの一部でもあり、プロジェクトが固体テスト、ドキュメント、サポートを必要とします。

助けを求める

ご不明な点がございましたら、お問い合わせください。

1. ドキュメントを読んでください。

2. 既存のディスカッションを検索するか、新しい質問を追加します

3. 私たちの不一致に参加してください。

OSX（複数のPythonバージョン）
Windows（複数のPythonバージョン）