pytorch lightning

AI 모델을 예방, 양정 및 배포하는 딥 러닝 프레임 워크.

새로운 배포 모델? 모델 서빙을위한 Litserve, Pytorch Lightning을 확인하십시오

빠른 시작 • 예제 • Pytorch Lightning • 직물 • 번개 AI • 커뮤니티 • 문서

번개에는 2 개의 핵심 패키지가 있습니다

Pytorch Lightning : Pytorch를 기차하고 배치하십시오.
번개 직물 : 전문가 제어.

Lightning은 Pytorch를 통해 얼마나 많은 추상화를 추가하고 싶은지에 대한 세분화 제어를 제공합니다.

빠른 시작

Lightning 설치 :

 번개를 설치하십시오

고급 설치 옵션

선택적 종속성으로 설치하십시오

 PIP 설치 Lightning [ 'Extra']

콘다

 Conda 설치 Lightning -C Conda -Forge

안정적인 버전을 설치하십시오

소스에서 향후 릴리스를 설치하십시오

 PIP 설치 https://github.com/lightning-ai/lightning/archive/refs/heads/release/stable.zip -u

출혈 에지를 설치하십시오

소스에서 야간 설치 (보증 없음)

 PIP 설치 https://github.com/lightning-ai/lightning/archive/refs/heads/master.zip -u

또는 PYPI 테스트에서

 PIP 설치 -iu https://test.pypi.org/simple/ pytorch-lightning

Pytorch Lightning 예제

교육 워크 플로를 정의하십시오. 다음은 장난감 예제입니다 (실제 사례 탐색) :

 # main.py#! PIP는 TorchVisionimport Torch, Torch.nn As Nn, Torch.utils.data, 데이터로 TV, Torch.nn. Fimport Lightning과 같은 L# ---------------------------------------- ----------------# 1 단계 : LightningModule 정의# -------------------------- ------# LightningModule (nn.Module 서브 클래스) 전체 *시스템 *# (예 : LLM, 확산 모델, 자동 인코더 또는 간단한 이미지 분류기)을 정의합니다. self) : super () .__ init __ () self.encoder = nn.eseverential (nn.linear (28 * 28, 128), nn.relu (), nn.linear (128, 3)) self.decoder = nn. 순차적 (nn.linear (3, 128), nn.relu (), nn.linear (128, 28 * 28)) def forward (self, x) :# Lightning에서 앞으로 예측/추론 Actionembedding = self를 정의합니다. Encoder (x) Return EmbeddingDef Training_step (Self, Batch, Batch_idx) :# Training_Step 열차 루프를 정의합니다. ForwardX, _ = batchx = x.view (x.size (0), -1) z = self.encoder (x) x_hat = self.decoder (z) loss = f.mse_loss (x_hat, x)와 무관합니다. self.log ( "train_loss", 손실) return ressdef configure_optimizers (self) : 옵티마이저 = 토치 .optim.adam (self.parameters (), lr = 1e-3) 리턴 옵티마이저# ---------- ---------# Step 2: Define data# -------------------dataset = tv.datasets.MNIST(".", download=True , transform = tv.transforms.totensor ()) Train, val = data.random_split (dataSet, [55000, 5000])# -----------------# 3 단계 : Train# -------------------autoencoder = LitAutoEncoder()trainer = L.Trainer()trainer.fit(autoencoder, data.DataLoader(train), data.DataLoader (val))

터미널에서 모델을 실행하십시오

 PIP TorchVision을 설치하십시오
Python main.py

왜 Pytorch Lightning?

Pytorch Lightning은 단지 Pytorch - Lightning Disentangles Pytorch 코드로 과학을 엔지니어링에서 분리합니다.

지역 사회

번개 커뮤니티는 유지됩니다

• 전문 엔지니어, 연구 과학자 및 Ph.D.가 혼합 된 10 개 이상의 핵심 기고자 최고 AI 실험실의 학생들.

• 800 명 이상의 커뮤니티 기고자.

수천 명의 연구원을위한 번개를 구축하고 보일러 플레이트를 줄이는 데 도움이 되겠습니까? 여기에서 첫 번째 기여를하는 방법을 배우십시오

Lightning은 또한 Pytorch Ecosystem의 일부이며 프로젝트는 견고한 테스트, 문서 및 지원을 받아야합니다.

도움을 요청합니다

궁금한 점이 있으면 :

1. 문서를 읽으십시오.

2. 기존 토론을 통해 검색하거나 새로운 질문을 추가하십시오

3. 우리의 불화에 가입하십시오.

OSX (다중 파이썬 버전)
Windows (다중 파이썬 버전)