
Pytorch Lightning을 확장하기위한 딥 러닝 구성 요소
설치 • 최신 문서 • 안정적인 문서 • 정보 • 커뮤니티 • 웹 사이트 • 라이센스
PIP / CONDA
pip install lightning-bolts출혈 엣지 설치 (보증 없음)
pip install https://github.com/Lightning-Universe/lightning-bolts/archive/refs/heads/master.zip모든 선택적 종속성을 설치합니다
pip install lightning-bolts[ " extra " ]Bolts 패키지는 응용 연구 및 생산을 위해 콜백 및 데이터 세트와 같은 Pytorch Lightning을 확장하기위한 다양한 구성 요소를 제공합니다.
Torch ORT는 모델을 최적화 된 ONX 그래프로 변환하여 NVIDIA 또는 AMD GPU를 사용할 때 교육 및 추론 속도를 높입니다. 자세한 내용은 문서를 참조하십시오.
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 )Sparseml로 미세 조정하는 동안 희소성을 도입 할 수 있습니다. 이는 궁극적으로 DeepSparse 엔진을 활용하여 추론 시간에 성능 향상을 볼 수 있습니다.
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 )우리는 사용자가 광범위한 문제에 도움이 될 일반 구성 요소를 기여하도록 권장합니다. 그러나 특정 도메인을 돕는 구성 요소도 환영받을 것입니다!
예를 들어, SSL 모델을 훈련시키는 데 도움이되는 콜백은 큰 기여가 될 것입니다. 그러나 최신 논문에서 다음으로 가장 큰 SSL 모델은 번개에 좋은 기여를 할 것입니다.
Lightning Flash를 사용하여 응용 연구를 위해 최첨단 모델을 훈련, 예측 및 서비스하십시오. SSL 기반 작업을위한 VISSL 플래시 통합을 살펴 보는 것이 좋습니다.
볼트는 Pytorch Lightning Team과 Pytorch Lightning 커뮤니티의 지원을받습니다!
Slack에 가입하고 기고 가이드 라인을 읽으려면 기여자가 되십시오!
이 저장소에 나열된 Apache 2.0 라이센스를 관찰하십시오. 또한 번개 프레임 워크는 특허 출원 중입니다.