lightning bolts

Компоненты глубокого обучения для расширения пирожественной молнии

---

Установка • Последние документы • Стабильные документы • О • Сообщество • Веб -сайт • Лицензия

---

Начиная

PIP / CONDA

pip install lightning-bolts

Другие установки

Установите кровотечение (без гарантий)

pip install https://github.com/Lightning-Universe/lightning-bolts/archive/refs/heads/master.zip

Чтобы установить все дополнительные зависимости

pip install lightning-bolts[ " extra " ]

Что такое болты?

Пакет Bolts предоставляет множество компонентов для расширения Lightning Pytorch, таких как обратные вызовы и наборы данных, для прикладных исследований и производства.

Пример 1: Ускорить тренировки молнии с помощью обратного вызова

Torch ORT преобразует вашу модель в оптимизированный график ONNX, ускоряя обучение и вывод при использовании NVIDIA или AMD -графических процессоров. Смотрите документацию для более подробной информации.

 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 )

Пример 2: Введите Sparsity с SparsEmlCallback для ускорения вывода

Мы можем ввести редкость во время точной настройки SparsEml, что в конечном итоге позволяет нам использовать двигатель DeepSparse, чтобы увидеть улучшения производительности во время вывода.

 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 )

Поддерживаются ли конкретные исследования исследования?

Мы хотели бы побудить пользователей вносить вклад общих компонентов, которые помогут широкому кругу проблем; Тем не менее, компоненты, которые помогают конкретным доменам, также будут приветствовать!

Например, обратный вызов, чтобы помочь обучить модели SSL, был бы отличным вкладом; Тем не менее, следующая величайшая модель SSL из вашей последней статьи будет хорошим вкладом в Lightning Flash.

Используйте Lightning Flash для обучения, прогнозирования и обслуживания самых современных моделей для прикладных исследований. Мы предлагаем посмотреть на нашу интеграцию VISSL Flash для задач на основе SSL.

Способствовать!

Bolts поддерживается командой Pytorch Lightning и сообществом Pytorch Lightning!

Присоединяйтесь к нашим Slack и/или прочитайте наши рекомендации по способству, чтобы помочь стать вкладчиком!

---

Лицензия

Пожалуйста, соблюдайте лицензию Apache 2.0, которая указана в этом репозитории. Кроме того, платформа молнии находится в ожидании патента.