หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

กรอบการเรียนรู้อย่างลึกซึ้งในการเตรียมการปรับแต่งและปรับใช้โมเดล AI

รูปแบบใหม่- ปรับใช้? ตรวจสอบ Litserve, Pytorch Lightning สำหรับการให้บริการแบบจำลอง

เริ่มต้นอย่างรวดเร็ว•ตัวอย่าง• Pytorch Lightning •ผ้า•สายฟ้า AI •ชุมชน•เอกสาร

สายฟ้ามี 2 แพ็คเกจหลัก

Pytorch Lightning: รถไฟและปรับใช้ Pytorch ในระดับ
ผ้าฟ้าผ่า: การควบคุมผู้เชี่ยวชาญ

Lightning ช่วยให้คุณควบคุมได้ว่าคุณต้องการเพิ่มความเป็นนามธรรมมากแค่ไหนในการเพิ่ม Pytorch

เริ่มต้นอย่างรวดเร็ว

ติดตั้งสายฟ้า:

 PIP ติดตั้งสายฟ้า
ตัวเลือกการติดตั้งขั้นสูง

ติดตั้งด้วยการพึ่งพาอุปกรณ์เสริม

 PIP ติดตั้ง Lightning ['Extra']

คอนดา

 Conda ติดตั้ง Lightning -C Conda -Forge

ติดตั้งเวอร์ชันเสถียร

ติดตั้งรีลีสในอนาคตจากแหล่งที่มา

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

ติดตั้งเลือดออก

ติดตั้งทุกคืนจากแหล่งที่มา (ไม่มีการรับประกัน)

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

หรือจากการทดสอบ PYPI

 PIP Install -iU https://test.pypi.org/simple/ pytorch -Lightning

Pytorch Lightning ตัวอย่าง

กำหนดเวิร์กโฟลว์การฝึกอบรม นี่คือตัวอย่างของเล่น (สำรวจตัวอย่างจริง):

 # main.py#! PIP ติดตั้ง torchvisionimport Torch, torch.nn เป็น nn, torch.utils.data เป็นข้อมูล, torchvision เป็นทีวี, torch.nn.functional เป็น fimport Lightning เป็น l# -------------------------------------------------------------------- ----------------# ขั้นตอนที่ 1: กำหนด LightningModule# ---------------------------------- ------# A LightningModule (Nn.Module subclass) กำหนด *ระบบ *# (เช่น: LLM, แบบจำลองการแพร่, AutoEncoder หรือตัวจําแนกภาพง่าย ๆ ) Self): super () .__ init __ () self.encoder = nn.equential (nn.linear (28 * 28, 128), nn.relu (), nn.linear (128, 3)) self.decoder = nn ลำดับ (nn.linear (3, 128), nn.relu (), nn.linear (128, 28 * 28)) def ไปข้างหน้า (ตัวเอง, x):# ในสายฟ้า, ไปข้างหน้ากำหนดการทำนาย/การกระทำ encoder (x) return embeddingdef training_step (ตัวเอง, แบทช์, batch_idx):# training_step กำหนดลูปรถไฟ มันเป็นอิสระจาก forwardx, _ = batchx = x.view (x.size (0), -1) z = self.encoder (x) x_hat = self.decoder (z) การสูญเสีย = f.mse_loss (x_hat, x) self.log ("train_loss", การสูญเสีย) ส่งคืน lossdef configure_optimizers (self): optimizer = torch.optim.adam (self.parameters (), lr = 1e-3) return agentizer# --------------- ---------# ขั้นตอนที่ 2: กำหนดข้อมูล# ------------------- ชุดข้อมูล = tv.datasets.mnist (".", download = true , transform = tv.transforms.totensor ()) รถไฟ, val = data.random_split (ชุดข้อมูล, [55000, 5000])# -------------------# ขั้นตอนที่ 3 : รถไฟ# ------------------- autoencoder = litautoencoder () เทรนเนอร์ = l.trainer () trainer.fit (autoencoder, data.dataloader (รถไฟ), data.dataloader (Val))

เรียกใช้โมเดลบนเทอร์มินัลของคุณ

 PIP ติดตั้ง torchvision
Python Main.py

ทำไม Pytorch Lightning?

Pytorch Lightning เป็นเพียงการจัด Pytorch - Lightning Disentangles Pytorch รหัสเพื่อแยกวิทยาศาสตร์จากวิศวกรรม

ชุมชน

ชุมชนสายฟ้าได้รับการดูแลโดย

  • ผู้มีส่วนร่วมมากกว่า 10 คนซึ่งเป็นวิศวกรมืออาชีพนักวิทยาศาสตร์การวิจัยและปริญญาเอก นักเรียนจาก AI Labs ด้านบน

  • ผู้มีส่วนร่วมในชุมชน 800 คน

ต้องการช่วยเราสร้างสายฟ้าและลดแผ่นหม้อไอน้ำสำหรับนักวิจัยหลายพันคนหรือไม่? เรียนรู้วิธีการบริจาคครั้งแรกของคุณที่นี่

Lightning ยังเป็นส่วนหนึ่งของระบบนิเวศ Pytorch ซึ่งต้องการโครงการที่จะมีการทดสอบที่มั่นคงเอกสารและการสนับสนุน

ขอความช่วยเหลือ

หากคุณมีคำถามใด ๆ :

  1. อ่านเอกสาร

  2. ค้นหาผ่านการสนทนาที่มีอยู่หรือเพิ่มคำถามใหม่

  3. เข้าร่วม Discord ของเรา





OSX (Python หลายรุ่น)


Windows (Python หลายรุ่น)


ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด