pytorch lightning

深度学习框架，以预处理，芬特和部署AI模型。

新部署模型？查看Litserve，Pytorch Lightning用于模型服务

快速启动•示例•Pytorch Lightning•织物•闪电AI•社区•文档

闪电有2个核心软件包

Pytorch Lightning：训练和部署Pytorch。
闪电面料：专家控制。

闪电可以使您对要在Pytorch上添加多少抽象的颗粒状控制。

快速开始

安装闪电：

 PIP安装闪电

高级安装选项

以可选的依赖性安装

PIP安装闪电['extra']

康达

Conda安装闪电-C Conda -Forge

安装稳定版本

从源安装未来版本

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

安装出血边缘

每晚从源头安装（不保证）

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

或通过测试PYPI

 PIP安装-IU https：//test.pypi.org/simple/ pytorch -lightning

Pytorch Lightning示例

定义培训工作流程。这是一个玩具示例（探索真实示例）：

 ＃main.py＃！ PIP安装Torchvisionimport火炬，Torch.nn作为nn，torch.utils.data作为数据，TOV，TV，TORCH.NN.功能功能为fimport Lightning，如L＃------------------------------------------ --------------------＃步骤1：定义LightningModule＃---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- ------＃lightningModule（nn.module子类）定义了一个完整的 *系统 *＃（即：llm，fiffusion模型，自动编码器或简单的图像分类器）.class litautoEncododer（l.lightningmodule） self）：super（）。顺序（nn.linear（3，128），nn.relu（），nn.linear（128，28 * 28））def向前（self，x）：＃在闪电中，向前定义预测/推理action emperiation = self。 condoder（x）返回嵌入式培训triagn_step（self，batch，batch_idx）：＃triending_step定义火车环。它独立于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”，损失）返回LOSTDEF configure_optimizers（self）：优化器= torch.optim.adam（self.parameters（），lr = 1e-3）返回优化器＃-------------------------------------------------------------------------------------------- ---------# Step 2: Define data# -------------------dataset = tv.datasets.MNIST(".", download=True , transform=tv.transforms.ToTensor())train, val = data.random_split(dataset, [55000, 5000])# -------------------# Step 3 ：train＃------------------------- autoCoder = litautoEncoder（）trainer = l.trainer（）Trainer.fit（autoencoder，data.dataloader（train），data.dataloader （val））

在终端上运行模型

PIP安装火炬
python main.py

为什么要闪电？

Pytorch Lightning只是有组织的Pytorch -Lightning Disentangles Pytorch代码，使科学与工程学解脱。

社区

闪电界由

• 10多个核心贡献者都是专业工程师，研究科学家和博士学位的混合。来自AI顶级实验室的学生。

• 800多个社区贡献者。

是否想帮助我们建造闪电并减少成千上万的研究人员的样板？了解如何在这里做出第一个贡献

Lightning也是Pytorch生态系统的一部分，该系统要求项目具有可靠的测试，文档和支持。

寻求帮助

如果您有任何疑问，请：

1. 阅读文档。

2. 搜索现有讨论，或添加一个新问题

3. 加入我们的不和谐。

OSX（多个Python版本）
Windows（多个Python版本）