一个简单而强大的CNN训练器为PyTorch和Lightning。
pytorch-cnn-trainer的Python项目详细描述
Pythorch CNN培训师
训练CNN完成你的任务
一个简单的引擎来微调来自Ross Wightman的torchvision和Pytorch Image models的cnn。在
为什么要这个包裹?在
为CNN训练编写训练循环和训练代码是非常烦人的。同时,为了支持所有的训练功能,它需要大量的时间。在
通常我们不需要分布式培训,使用argparse完成任务是非常不舒服的。在
这简化了培训。它为您提供了一个强大的engine.py
,可以完成许多培训功能。
也是一个dataset.py
,用于在常见场景中加载数据集。在
注:- Pythorch Trainer不是分布式培训脚本。在
它将很好地为谷歌Colab/Kaggle的单一GPU机器工作。在
但是对于分布式培训,您可以使用Pythorch Lightning Trainer(很快)。在
它将在多个gpu上进行训练,就像闪电一样(很快)。在
安装
从PyTorch安装火炬和火炬视觉 在终端运行以下操作。在
pip install -q git+git://github.com/oke-aditya/pytorch_cnn_trainer.git
或者现在从PyPI那里!!在
^{pr2}$文件:-
我提供了一些如何在多种情况下使用此培训器的示例。请检查示例文件夹。 提供了一些示例。在
- [x] 使用fit()微调Torchvision模型。在
- [x] 使用train_step()和validation_step()微调火炬视觉模型。在
- [x] 微调罗斯·维格曼的模型。在
- [x] 仅限培训负责人。在
- [x] 量化意识训练。在
- []混合精度训练
- []随机加权平均(SWA)训练
- []LR Finder实施
特点:-
- [x] 支持Pythorch图像模型(timm)培训和迁移学习。在
- [x] 量化感知训练实例。在
- [x] 耐心地早点停下来。在
- [x] 支持火炬视觉模型培训和转移学习。在
- [x] 支持火炬视觉量化模型传递学习。在
- [x] 支持混合精度训练。在
- [x] L2范数梯度惩罚。在
- []LR Finder实现。在
- [x] SWA随机加权平均支持训练。在
- [x] 添加类似Keras的拟合方法。在
- [x] 健全性检查方法。在
希望本报告能帮助人们使用迁移学习来训练模型。在
如果你喜欢的话,就给别人讲。在
- 项目
标签: