Améliorer l’entraînement avec les callbacks Lightning

Modèles d'IA évolutifs avec PyTorch Lightning

Sergiy Tkachuk

Director, GenAI Productivity

Qu’est-ce qu’un callback ?

Fonctions exécutées aux étapes clés de l’entraînement
Ajouter des actions personnalisées sans alourdir le code
Plus de flexibilité et de contrôle

aperçu des callbacks

Qu’est-ce qu’un callback ?

from lightning.pytorch.callbacks import Callback

class MyPrintingCallback(Callback):

    def on_train_start(self, trainer, pl_module):
        print("Training is starting")

    def on_train_end(self, trainer, pl_module):
        print("Training is ending")

Ajouter des actions personnalisées à diverses étapes de l’entraînement

Callback Lightning ModelCheckpoint

Sauvegarde automatique du modèle à intervalles définis
Choisir la métrique à suivre
Conserver uniquement le meilleur modèle

from lightning.pytorch.callbacks
import ModelCheckpoint

checkpoint_callback = ModelCheckpoint(

    monitor='val_loss',

    dirpath='my/path/',

    filename='{epoch}-{val_loss:.2f}',

    save_top_k=1,

    mode='min'

)

¹ https://lightning.ai/docs/pytorch/stable/api/lightning.pytorch.callbacks.ModelCheckpoint.html

Callback Lightning EarlyStopping

Surveiller un indicateur
Arrêter l’entraînement quand il n’améliore plus

from lightning.pytorch.callbacks
import EarlyStopping

early_stopping_callback = EarlyStopping(

    monitor='val_loss',

    patience=3,

    mode='min'

)

¹ https://lightning.ai/docs/pytorch/stable/api/lightning.pytorch.callbacks.EarlyStopping.html

Personnaliser et utiliser les callbacks Lightning

from lightning.pytorch import Trainer
from lightning.pytorch.callbacks import EarlyStopping, ModelCheckpoint

checkpoint = ModelCheckpoint(
    monitor='val_accuracy',
    save_top_k=2,
    mode='max')

early_stopping = EarlyStopping(
    monitor='val_accuracy',
    patience=5,
    mode='max')


trainer = Trainer(max_epochs=50, callbacks=[checkpoint, early_stopping])

¹ https://lightning.ai/docs/pytorch/stable/common/trainer.html

Passons à la pratique !

Modèles d'IA évolutifs avec PyTorch Lightning