pytorch-ignite-nightly 20190830

点火

Ignite是一个高级库，用于帮助在Pythorch中训练神经网络。

• Ignite帮助您在几行代码中编写紧凑但功能齐全的培训循环
• 在没有样板的情况下，您将获得一个包含指标、提前停止、模型检查点和其他功能的培训循环

下面我们将展示使用纯pytorch和使用ignite创建训练循环的并排比较 通过偶尔的检查点来培训和验证您的模型：

如您所见，使用Ignite，代码更加简洁和可读。此外，添加其他度量，或 像早期停止这样的事情是轻而易举的点燃，但可以开始迅速增加复杂性。 你的代码时，滚动自己的训练循环。

安装

来自PIP:

pip install pytorch-ignite

从conda:

conda install ignite -c pytorch

来源：

python setup.py install

为什么点火？

Ignite的高抽象级别较少假设您正在培训的网络类型，我们要求用户定义要在培训和验证循环中运行的闭包。这种抽象级别允许更大的灵活性，例如共同训练多个模型（即GANS）和在训练循环中计算/跟踪多个损失和度量。

Ignite还允许将多个处理程序附加到事件，并允许引擎循环中事件的粒度更细。

文档

可以找到api文档和库的概述here。

结构

• ignite：库的核心，包含一个用于训练和评估的引擎，所有经典的机器学习指标和各种处理程序，以减轻神经网络训练和验证的痛苦！
• ignite.contrib：contrib目录包含ignite用户贡献的其他模块。模块不同于tbptt引擎、各种优化参数调度程序、日志处理程序和包含许多回归度量的度量模块（ignite.contrib.metrics.regression）！

ignite.contrib中的代码不像库的核心部分那样完全维护。可随时更改或移除，恕不另行通知。

示例

请查看examples，了解如何使用ignite来训练各种类型的网络，以及如何使用visdom或tensorboardX进行训练可视化。

贡献

我们感谢所有的贡献。如果你打算贡献回错误修复，请这样做，没有任何进一步的讨论。如果您计划提供新功能、实用程序功能或扩展，请首先打开一个问题并与我们讨论该功能。

有关详细信息，请参见contribution guidelines。

一如既往，欢迎使用个人资料：）