En este capítulo, exploraremos cómo PyTorch Lightning simplifica el desarrollo y la implementación de modelos de IA escalables. Comenzando con los conceptos básicos, repasaremos la estructura central de un proyecto PyTorch Lightning, incluidos componentes esenciales como LightningModule y Trainer, para sentar unas bases sólidas para soluciones de IA más avanzadas.

Introducción a PyTorch Lightning

Presentamos el  LightningModule

Ejecutar Lightning Trainer

Definición de modelos con LightningModule

Uso del LightningModule

Dominar el método init

Perfeccionamiento del método hacia delante

Implementación de la lógica de formación

Implementación de la etapa de capacitación

Configuración del optimizador

Formación y evaluación

Creación de modelos escalables con PyTorch Lightning

En este capítulo profundizaremos en PyTorch Lightning para gestionar datos de forma eficiente y perfeccionar el entrenamiento de modelos. Aprenderemos a crear flujos de trabajo de datos modulares y reutilizables con LightningDataModule, a evaluar tus modelos con precisión mediante la validación y las pruebas, y a mejorar los procesos de formación utilizando Lightning Callbacks para automatizar la mejora de los modelos y evitar el sobreajuste.

Gestión de datos con LightningDataModule

Dividir datos con LightningDataModule

Creación de un DataLoader de tren

Incorporación de validación y pruebas

Implementación del paso de validación

Evalúa la precisión del modelo utilizando Torchmetrics.

Mejora de la formación con las devoluciones de llamada Lightning

Opciones

ModelCheckpoint

EarlyStopping

Clasificación de las devoluciones de llamada Lightning

Optimización del entrenamiento de modelos con Lightning

Técnicas avanzadas en PyTorch Lightning

Aprende a preparar modelos de aprendizaje profundo para su implementación en el mundo real haciéndolos más ágiles y rápidos. En este capítulo se presentan técnicas como la cuantificación dinámica, la poda y la conversión a TorchScript, que te ayudarán a reducir el tamaño y la latencia del modelo sin sacrificar la precisión.

Aplicación de la cuantización dinámica

Aplicar cuantificación dinámica

Comparación del rendimiento del modelo cuantificado

Implementación de técnicas de poda de modelos

Aplicar la poda a una capa lineal

Finaliza la poda quitando la máscara.

Exportación de modelos con TorchScript

Elegir el método de conversión adecuado

Optimización de modelos para la escalabilidad

Resumen: Modelos de IA escalables con PyTorch Lightning

En este curso, explorarás los principios, las herramientas y las técnicas para crear sistemas de IA escalables. Con PyTorch Lightning como marco principal, obtendrás experiencia práctica en el desarrollo y la optimización de modelos de IA mediante la creación de componentes modulares de redes neuronales, la gestión de canalizaciones de datos y la aplicación de técnicas avanzadas de optimización. Al finalizar el curso, contarás con las habilidades necesarias para crear, ampliar e implementar soluciones de IA robustas.

<h2>Fundamentos de la IA escalable</h2> 
Este curso te lleva a través de los fundamentos de la IA escalable. Comenzarás aprendiendo cómo PyTorch Lightning optimiza el ciclo de vida del desarrollo de modelos al reducir el código repetitivo. A través de ejemplos guiados, verás cómo dividir redes neuronales complejas en componentes reutilizables, lo que te permitirá mantener la calidad del código incluso a medida que tus proyectos crecen en alcance.
<br><br>
<h2>Técnicas avanzadas de optimización</h2> 
También dominarás técnicas de optimización, como optimizadores adaptativos, poda de modelos y cuantificación. Verás de primera mano cómo pequeños cambios en la estrategia de formación pueden producir importantes mejoras en velocidad y precisión, y aprenderás a optimizar tus bucles de formación para eliminar los cuellos de botella.
<br><br>
<h2>Implementación lista para la producción</h2> 
Al finalizar el curso, habrás adquirido las habilidades necesarias para llevar un prototipo hasta la fase de producción y dispondrás de un portafolio de soluciones de IA modulares, optimizadas y desplegables, listas para afrontar los retos del mundo real.








Intermediate Deep Learning with PyTorch

Optimiza tus proyectos de IA creando modelos modulares y dominando PyTorch Lightning.

Modelos de IA escalables con PyTorch Lightning

Optimiza tus proyectos de IA creando modelos modulares y dominando la optimización avanzada con PyTorch Lightning.

Guarda los pesos del modelo en un archivo cuando se alcanza una nueva puntuación óptima.

Opcionalmente, conserva los K puntos de control superiores y descarta el resto.

Detiene el entrenamiento para evitar el sobreajuste cuando las mejoras se estancan.

Utiliza un parámetro de paciencia para permitir unas cuantas épocas más de entrenamiento después de la última mejora.

Clasificación de las devoluciones de llamada Lightning

Modelos de IA escalables con PyTorch Lightning

Ejercicio interactivo práctico