ดาวน์โหลด lightning bolts - lightning bolts Source Source Download

lightning bolts

ซอร์สโค้ดอื่น ๆ

ved YOLO models

ดาวน์โหลด

ส่วนประกอบการเรียนรู้ลึกสำหรับการขยาย Pytorch Lightning

การติดตั้ง•เอกสารล่าสุด•เอกสารที่มั่นคง•เกี่ยวกับ•ชุมชน•เว็บไซต์•ใบอนุญาต

เริ่มต้นใช้งาน

pip / conda

pip install lightning-bolts

การติดตั้งอื่น ๆ

ติดตั้งเลือดออก (ไม่มีการรับประกัน)

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

ในการติดตั้งการพึ่งพาตัวเลือกทั้งหมด

pip install lightning-bolts[ " extra " ]

สลักเกลียวคืออะไร?

แพ็คเกจ Bolts นำเสนอส่วนประกอบที่หลากหลายเพื่อขยายสายฟ้า Pytorch เช่นการโทรกลับและชุดข้อมูลสำหรับการวิจัยและการผลิตประยุกต์

ตัวอย่างที่ 1: เร่งการฝึกอบรมสายฟ้าด้วยการโทรกลับคบเพลิง

Torch ORT แปลงโมเดลของคุณให้เป็นกราฟ ONNX ที่ปรับให้เหมาะสมขึ้นเร่งการฝึกอบรมและการอนุมานเมื่อใช้ NVIDIA หรือ AMD GPU ดูเอกสารสำหรับรายละเอียดเพิ่มเติม

 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 )

ตัวอย่างที่ 2: แนะนำ sparsity ด้วย sparsemlcallback เพื่อเร่งการอนุมาน

เราสามารถแนะนำ sparsity ในระหว่างการปรับแต่งด้วย SparsEML ซึ่งในที่สุดช่วยให้เราสามารถใช้ประโยชน์จากเครื่องยนต์ Deepsparse เพื่อดูการปรับปรุงประสิทธิภาพในเวลาอนุมาน

 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 )

ได้รับการสนับสนุนการดำเนินการวิจัยเฉพาะหรือไม่?

เราต้องการสนับสนุนให้ผู้ใช้มีส่วนร่วมส่วนประกอบทั่วไปที่จะช่วยให้เกิดปัญหาที่หลากหลาย อย่างไรก็ตามส่วนประกอบที่ช่วยโดเมนเฉพาะจะได้รับการต้อนรับ!

ตัวอย่างเช่นการโทรกลับเพื่อช่วยฝึกอบรมโมเดล SSL จะเป็นผลงานที่ยอดเยี่ยม อย่างไรก็ตามรุ่น SSL ที่ยิ่งใหญ่ที่สุดต่อไปจากกระดาษล่าสุดของคุณจะเป็นผลงานที่ดีสำหรับ Lightning Flash

ใช้ Lightning Flash เพื่อฝึกทำนายและให้บริการแบบจำลองที่ทันสมัยสำหรับการวิจัยประยุกต์ เราขอแนะนำให้ดูการรวม Vissl Flash ของเราสำหรับงานที่ใช้ SSL