lightning bolts
ved YOLO models
Komponen pembelajaran mendalam untuk memperluas petir pytorch
Instalasi • Dokumen Terbaru • Dokumen Stabil • Tentang • Komunitas • Situs Web • Lisensi
Pip / Conda
pip install lightning-boltsPasang pendarahan-tepi (tidak ada jaminan)
pip install https://github.com/Lightning-Universe/lightning-bolts/archive/refs/heads/master.zipUntuk menginstal semua dependensi opsional
pip install lightning-bolts[ " extra " ]Paket Bolts menyediakan berbagai komponen untuk memperluas petir pytorch, seperti panggilan balik & kumpulan data, untuk penelitian dan produksi terapan.
Torch ORT mengubah model Anda menjadi grafik ONNX yang dioptimalkan, mempercepat pelatihan & inferensi saat menggunakan NVIDIA atau AMD GPU. Lihat dokumentasi untuk detail lebih lanjut.
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 )Kami dapat memperkenalkan sparsity selama penyempurnaan dengan sparseml, yang pada akhirnya memungkinkan kami untuk memanfaatkan mesin Deepsparse untuk melihat peningkatan kinerja pada waktu inferensi.
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 )Kami ingin mendorong pengguna untuk menyumbangkan komponen umum yang akan membantu berbagai masalah; Namun, komponen yang membantu domain tertentu juga akan disambut!
Misalnya, panggilan balik untuk membantu melatih model SSL akan menjadi kontribusi besar; Namun, model SSL terbesar berikutnya dari makalah terbaru Anda akan menjadi kontribusi yang baik untuk kilat kilat.
Gunakan Flash Lightning untuk melatih, memprediksi, dan melayani model canggih untuk penelitian terapan. Kami sarankan melihat integrasi Vissl Flash kami untuk tugas berbasis SSL.
Bolts didukung oleh Pytorch Lightning Team dan Pytorch Lightning Community!
Bergabunglah dengan Slack kami dan/atau baca pedoman yang berkontribusi kami untuk mendapatkan bantuan menjadi kontributor!
Harap amati lisensi Apache 2.0 yang tercantum dalam repositori ini. Selain itu, kerangka kerja petir tertunda.
