เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ปรับปรุงการเทรนโมเดลด้วย Lightning

การนำเทคนิคอัตโนมัติอย่าง ModelCheckpoint และ EarlyStopping มาใช้ จะช่วยให้โมเดลเลือกพารามิเตอร์ที่ให้ผลลัพธ์ดีที่สุด พร้อมหลีกเลี่ยงการคำนวณที่ไม่จำเป็น

ชุดข้อมูลที่ใช้เป็นส่วนหนึ่งของชุดข้อมูล Osmanya MNIST ซึ่งเป็นกรณีการใช้งานจริงที่เทคนิคการเทรน AI แบบ scalable สามารถเพิ่มประสิทธิภาพและความแม่นยำได้อย่างเห็นได้ชัด

OsmanyaDataModule และ ImageClassifier ได้ถูกกำหนดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

AI Models แบบ Scalable ด้วย PyTorch Lightning

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import callback ที่จะใช้สำหรับการทำ model checkpointing และ early stopping
  • เทรนโมเดลโดยใช้ callback ModelCheckpoint และ EarlyStopping

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด