시작하기무료로 시작하기

Lightning으로 모델 학습 최적화하기

ModelCheckpoint와 EarlyStopping 같은 자동화 기법을 적용하면, 불필요한 계산을 줄이면서도 최적의 성능을 내는 파라미터를 선택할 수 있어요.

이 데이터셋은 Osmanya MNIST의 일부로, 확장 가능한 AI 학습 기법이 효율성과 정확도를 크게 높일 수 있는 실제 사례를 제공합니다.

OsmanyaDataModule과 ImageClassifier는 미리 정의되어 있습니다.

이 연습은 강의의 일부입니다

PyTorch Lightning으로 만드는 확장 가능한 AI 모델

강의 보기

연습 안내

  • 모델 체크포인트와 조기 종료에 사용할 콜백을 임포트하세요.
  • ModelCheckpoint와 EarlyStopping 콜백을 사용해 모델을 학습하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Import relevant checkpoints
from lightning.pytorch.callbacks import ____, ____

class EvaluatedImageClassifier(ImageClassifier):
    def validation_step(self, batch, batch_idx):
        x, y = batch
        y_hat = self(x)
        acc = (y_hat.argmax(dim=1) == y).float().mean()
        self.log("val_acc", acc)

model = EvaluatedImageClassifier()
data_module = OsmanyaDataModule()
# Train the model with ModelCheckpoint and EarlyStopping checkpoints
trainer = Trainer(____=[____(monitor="val_acc", save_top_k=1), ____(monitor="val_acc", patience=3)])
trainer.fit(model, datamodule=data_module)
코드 편집 및 실행