BaşlayınÜcretsiz Başlayın

Lightning ile model eğitimini optimize etme

ModelCheckpoint ve EarlyStopping gibi otomatik teknikleri uygulayarak, modelinin en iyi performans veren parametreleri seçmesini sağlarken gereksiz hesaplamalardan da kaçınacaksın.

Veri kümesi, Osmanya MNIST veri kümesinin bir alt kümesidir ve ölçeklenebilir AI eğitim tekniklerinin verimliliği ve doğruluğu önemli ölçüde artırabildiği gerçek bir kullanım senaryosu sunar.

OsmanyaDataModule ve ImageClassifier senin için önceden tanımlandı.

Bu egzersiz

PyTorch Lightning ile Ölçeklenebilir AI Modelleri

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • Model kontrol noktası alma ve erken durdurma için kullanacağın callback'leri içe aktar.
  • Modeli ModelCheckpoint ve EarlyStopping callback'leriyle eğit.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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)
Kodu Düzenle ve Çalıştır