
Pytorch Lightningを拡張するための深い学習コンポーネント
インストール•最新のドキュメント•安定したドキュメント•約•コミュニティ•ウェブサイト•ライセンス
PIP / CONDA
pip install lightning-bolts出血エッジをインストールする(保証なし)
pip install https://github.com/Lightning-Universe/lightning-bolts/archive/refs/heads/master.zipすべてのオプションの依存関係をインストールします
pip install lightning-bolts[ " extra " ]Boltsパッケージは、応用研究と生産のために、コールバックやデータセットなどのPytorch Lightningを拡張するためのさまざまなコンポーネントを提供します。
Torch Ortは、モデルを最適化されたONNXグラフに変換し、NVIDIAまたはAMD GPUを使用するときにトレーニングと推論を高速化します。詳細については、ドキュメントを参照してください。
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 )Sparsemlを使用して微調整中にスパースを導入することができます。これにより、最終的には、Deepsparseエンジンを活用して、推論時間にパフォーマンスの改善を確認できます。
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 )ユーザーが、幅広い問題を支援する一般的なコンポーネントを提供するように奨励したいと思います。ただし、特定のドメインを支援するコンポーネントも歓迎されます!
たとえば、SSLモデルのトレーニングを支援するコールバックは大きな貢献になります。ただし、最新の論文の次の最大のSSLモデルは、Lightning Flashに良い貢献になるでしょう。
Lightning Flashを使用して、応用研究のために最先端のモデルを訓練、予測、提供します。 SSLベースのタスクのVISSLフラッシュ統合を調べることをお勧めします。
ボルトは、Pytorch LightningチームとPytorch Lightningコミュニティによってサポートされています!
私たちのスラックに参加したり、貢献ガイドラインを読んで、貢献者になるのを助けてください!
このリポジトリにリストされているApache 2.0ライセンスを遵守してください。さらに、Lightningフレームワークは保留中の特許です。