在你的点燃训练中逐渐增加斋戒美德

我们将使用来自Ignite示例目录(2020年8月时)的MNIST训练代码,并将其转换为模块。

migrating_ignite进口*fastai.vision.all进口*

要在fastai中使用它,我们首先将DataLoaders从模块拉到a中DataLoaders对象:

数据=DataLoaders(*get_data_loaders(64,128))cuda()

我们现在可以创建a学习者和配合:

opt_func=部分(SGD,动力=0.5)学习=学习者(数据,(),loss_func=神经网络NLLLoss(),opt_func=opt_func,指标=精度)学习fit_one_cycle(1,0.01)
时代 train_loss valid_loss 精度 时间
0 0.999266 0.597913 0.856200 00:22

如您所见,从Ignite迁移允许我们替换52行代码(in)run ())只有3行,并且不需要你改变任何你现有的数据管道,优化器,损失函数,模型,等等。一旦进行了此更改,您就可以从fastai丰富的回调、转换、可视化等等中获益。

注意fastai非常不同于点燃,它不仅仅是一个训练循环(虽然我们只使用训练循环在这个例子中)——它是一个完整的框架包括GPU-accelerated转换、端到端推理,综合应用视野,文字,表格,和协作过滤,等等。可以单独使用框架的任何部分,也可以将它们组合在一起,如fastai纸