提斯训练Pythorch模型更快。。。
tez的Python项目详细描述
提兹：火车Pythorch型号Fasterrrr
注意：目前，我们不接受任何请求！所有PRs将关闭。如果你想要某个功能或某个功能不工作，请创建一个问题。在
tez（त2375; 2395;/تیز）的意思是锐利、快速和活跃。这是一个简单的，重点，图书馆，使你的Pythorch培训容易。在
注意：此库目前处于非常早期的阶段！所以，可能会有突破性的变化。在
关于tez的想法很简单：
- 把事情尽可能简单
- 让它尽可能的可定制
- 清洁代码
- 更快的原型设计
- 生产准备就绪
目前，tez支持cpu和gpu的培训。更多的很快就要来了！在
使用tez是非常容易的。我们不想让你远离派托克。所以，你什么事都是自己做的，只是用特克斯来简化一些事情。在
使用Tez进行培训：
- 在
要训练模型，请定义数据集和模型。dataset类与编写Pythorch模型时编写的旧类相同。在
在 - 在
创建模型类。不是从
在nn.Module继承，而是导入tez并从tez.Model继承，如下例所示。在
classMyModel(tez.Model):def__init__(self):super().__init__()..# tell when to step the schedulerself.step_scheduler_after="batch"defmonitor_metrics(self,outputs,targets):iftargetsisNone:return{}outputs=torch.sigmoid(outputs).cpu().detach().numpy()>=0.5targets=targets.cpu().detach().numpy()accuracy=metrics.accuracy_score(targets,outputs)return{"accuracy":accuracy}deffetch_scheduler(self):# create your own schedulerdeffetch_optimizer(self):# create your own optimizerdefforward(self,ids,mask,token_type_ids,targets=None):_,o_2=self.bert(ids,attention_mask=mask,token_type_ids=token_type_ids)b_o=self.bert_drop(o_2)output=self.out(b_o)# calculate loss hereloss=nn.BCEWithLogitsLoss()(output,targets)# calculate the metric dictionary heremetric_dict=self.monitor_metrics(output,targets)returnoutput,loss,metric_dict
一切都是超直观的！在
- 现在你可以训练你的模特了！在
您可以在examples/中检查示例
- 项目
标签：
欢迎加入QQ群-->： 979659372
