lightning bolts
ved YOLO models
Componentes de aprendizado profundo para estender o pytorch Lightning
Instalação • Documentos mais recentes • Docos estáveis • Sobre • Comunidade • Site • Licença
Pip / conda
pip install lightning-boltsInstale a borda de sangramento (sem garantias)
pip install https://github.com/Lightning-Universe/lightning-bolts/archive/refs/heads/master.zipPara instalar todas as dependências opcionais
pip install lightning-bolts[ " extra " ]O pacote Bolts fornece uma variedade de componentes para estender o Pytorch Lightning, como retornos de chamada e conjuntos de dados, para pesquisa e produção aplicadas.
A Torch Ort converte seu modelo em um gráfico ONNX otimizado, acelerando o treinamento e a inferência ao usar NVIDIA ou AMD GPUS. Veja a documentação para obter mais detalhes.
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 )Podemos introduzir a esparsidade durante o ajuste fino com o Sparseml, que nos permite aproveitar o mecanismo Deepsparse para ver melhorias no desempenho em tempo de inferência.
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 )Gostaríamos de incentivar os usuários a contribuir com componentes gerais que ajudarão uma ampla gama de problemas; No entanto, componentes que ajudam domínios específicos também serão bem -vindos!
Por exemplo, um retorno de chamada para ajudar a treinar os modelos SSL seria uma grande contribuição; No entanto, o próximo melhor modelo SSL do seu artigo mais recente seria uma boa contribuição para o Flash Lightning.
Use Lightning Flash para treinar, prever e servir modelos de ponta para pesquisa aplicada. Sugerimos analisar nossa integração Vissl Flash para tarefas baseadas em SSL.
Bolts é apoiado pela equipe de Pytorch Lightning e pela comunidade Pytorch Lightning!
Junte -se ao nosso Slack e/ou leia nossas diretrizes contribuintes para obter ajuda para se tornar um colaborador!
Observe a licença Apache 2.0 listada neste repositório. Além disso, a estrutura de raios é patente pendente.
