在本章中，我們將探討 PyTorch Lightning 如何簡化可擴充 AI 模型的開發與部署。從基礎概念開始，我們會走過 PyTorch Lightning 專案的核心結構，包括 LightningModule 與 Trainer 等必要元件，為更進階的 AI 解決方案打下扎實基礎。

PyTorch Lightning 介紹

認識 LightningModule

執行 Lightning Trainer

使用 LightningModule 定義模型

LightningModule 的用途

掌握 init 方法

完善 forward 方法

實作訓練邏輯

實作訓練步驟

設定最佳化器

訓練與評估

使用 PyTorch Lightning 建構可擴充模型

本章將更深入 PyTorch Lightning，以高效率管理資料並優化模型訓練。我們會學習如何使用 LightningDataModule 建立模組化且可重用的資料工作流程，透過驗證與測試精準評估你的模型，並利用 Lightning Callbacks 強化訓練流程，自動化模型改進並避免過度擬合。

使用 LightningDataModule 管理資料

使用 LightningDataModule 切分資料

建立訓練用 DataLoader

加入驗證與測試

實作驗證步驟

使用 Torchmetrics 評估模型準確率

使用 Lightning Callbacks 強化訓練

選項

ModelCheckpoint

EarlyStopping

分類 Lightning 回呼函式（callbacks）

用 Lightning 最佳化模型訓練

PyTorch Lightning 進階技巧

學習讓深度學習模型更精簡、更迅速，以便實際部署。本章介紹動態量化、剪枝與 TorchScript 轉換等技術，協助你在不犧牲準確度的前提下，降低模型大小與延遲。

套用動態量化

比較量化後模型的效能

實作模型剪枝技術

對線性層套用剪枝

移除遮罩以完成剪枝

使用 TorchScript 匯出模型

選擇正確的轉換方法

為擴充性最佳化模型

重點回顧：使用 PyTorch Lightning 的可擴充 AI 模型

為可擴充性最佳化模型

在本課程中，你將探索建置可擴充 AI 系統的原則、工具與技巧。以 PyTorch Lightning 為主要框架，你會透過實作打造並最佳化 AI 模型：建立模組化的神經網路元件、管理資料管線，並套用進階最佳化技術。完成課程後，你將具備建置、擴充與部署穩健 AI 解決方案所需的技能。

<h2>可擴展 AI 基礎</h2> 
本課程將帶領您深入探索可擴展 AI 的基礎知識。 您將首先學習 PyTorch Lightning 如何透過減少樣板程式碼，簡化模型開發生命週期。 透過引導式範例，您將學會如何將複雜的神經網路拆解為可重複使用的元件，讓您即使在專案規模擴大時，也能維持程式碼品質。
<br><br>
<h2>進階最佳化技術</h2> 
您還將精通各種最佳化技術，例如自適應最佳化器、模型剪枝以及量化。 您將親自體驗到，訓練策略上的細微調整如何帶來速度與準確度的顯著提升，並學習如何優化訓練迴圈，以消除瓶頸。
<br><br>
<h2>可投入生產環境的部署</h2> 
在本課程結束時，您將具備將原型推向生產環境的技能，並擁有一份包含模組化、最佳化且可部署 AI 解決方案的作品集，準備好迎接各種現實世界的挑戰。







Intermediate Deep Learning with PyTorch

使用PyTorch Lightning構建模組化模型並掌握高級優化，精簡您的AI專案！

Scalable AI Models with PyTorch Lightning

精通 PyTorch Lightning，打造模組化模型並優化 AI 專案流程！

大語言模型開發之旅

當達到新的最佳分數時，將模型權重儲存到檔案。

可選擇只保留前 K 個最佳檢查點（checkpoint），其餘捨棄。

當改善停滯時停止訓練，以避免過度擬合。

使用耐心（patience）參數，於最後一次改善後再允許多訓練幾個 epoch。

分類 Lightning 回呼函式（callbacks）

Scalable AI Models with PyTorch Lightning

動手互動練習