lightning bolts
ved YOLO models
مكونات التعلم العميق لتمديد البرق بايتورش
التثبيت • أحدث مستندات • مستندات مستقرة • حول • المجتمع • موقع الويب • الترخيص
PIP / كوندا
pip install lightning-boltsتثبيت حافة النزيف (لا ضمانات)
pip install https://github.com/Lightning-Universe/lightning-bolts/archive/refs/heads/master.zipلتثبيت جميع التبعيات الاختيارية
pip install lightning-bolts[ " extra " ]توفر حزمة البراغي مجموعة متنوعة من المكونات لتمديد Lightning Pytorch ، مثل عمليات الاسترجاعات ومجموعات البيانات ، للبحث والإنتاج التطبيقي.
يحول Torch ORT النموذج الخاص بك إلى رسم بياني ONNX محسّن ، مما يؤدي إلى تسريع التدريب والاستدلال عند استخدام NVIDIA أو AMD GPU. انظر الوثائق لمزيد من التفاصيل.
from pytorch_lightning import LightningModule , Trainer
import torchvision . models as models
from pl_bolts . callbacks import ORTCallback
class VisionModel ( LightningModule ):
def __init__ ( self ):
super (). __init__ ()
self . model = models . vgg19_bn ( pretrained = True )
...
model = VisionModel ()
trainer = Trainer ( gpus = 1 , callbacks = ORTCallback ())
trainer . fit ( model )يمكننا تقديم تفاوت أثناء ضبطه مع Sparseml ، والذي يتيح لنا في النهاية الاستفادة من محرك DeepSparse لرؤية تحسينات الأداء في وقت الاستدلال.
from pytorch_lightning import LightningModule , Trainer
import torchvision . models as models
from pl_bolts . callbacks import SparseMLCallback
class VisionModel ( LightningModule ):
def __init__ ( self ):
super (). __init__ ()
self . model = models . vgg19_bn ( pretrained = True )
...
model = VisionModel ()
trainer = Trainer ( gpus = 1 , callbacks = SparseMLCallback ( recipe_path = "recipe.yaml" ))
trainer . fit ( model )نود تشجيع المستخدمين على المساهمة في المكونات العامة التي ستساعد مجموعة واسعة من المشكلات ؛ ومع ذلك ، سيتم أيضًا الترحيب بالمكونات التي تساعد المجالات المحددة!
على سبيل المثال ، سيكون رد الاتصال للمساعدة في تدريب نماذج SSL مساهمة كبيرة ؛ ومع ذلك ، فإن أعظم طراز SSL التالي من آخر ورقتك سيكون مساهمة جيدة في Flash Lightning.
استخدم Flash Lightning لتدريب النماذج الحديثة والتنبؤ بها وتقديمها للبحوث التطبيقية. نقترح النظر في تكامل FISSL Flash الخاص بنا للمهام المستندة إلى SSL.
يتم دعم البراغي من قبل فريق Lightning Pytorch ومجتمع Lightning Pytorch!
انضم إلى Slack و/أو اقرأ إرشاداتنا المساهمة للحصول على مساعدة أن تصبح مساهماً!
يرجى مراقبة ترخيص Apache 2.0 المدرج في هذا المستودع. بالإضافة إلى ذلك ، فإن إطار البرق هو براءة اختراع معلقة.
