Eğitim mantığını uygulama

PyTorch Lightning ile Ölçeklenebilir AI Modelleri

Sergiy Tkachuk

Director, GenAI Productivity

Training step’i tanımlama

Girdi ve etiket yığınını işleyin
İleri geçişle tahminleri hesaplayın
Sınıflandırma için çapraz entropi kaybını hesaplayın
İzleme için eğitim kaybını günlükleyin

def training_step(self, batch, batch_idx):
    x, y = batch

    y_hat = self(x)

    loss = cross_entropy(y_hat, y)

    self.log("train_loss", loss)
    return loss

Optimize edicileri yapılandırma

Güncellemeler için uygun bir optimize edici seçin
Gradyan hesaplaması için model parametrelerini bağlayın
Yakınsama için uygun bir öğrenme oranı ayarlayın
Lightning entegrasyonu için optimize ediciyi döndürün

def configure_optimizers(self):
    optimizer = torch.optim.Adam(self.parameters(), lr=1e-3)
    return optimizer

Lightning Trainer ile eğitim

Eğitim mantığını Lightning Trainer ile entegre edin
Eğitim döngülerini ve epoch’ları otomatik yönetin
Gerçek zamanlı metrikleri izleyin

LightningTrainer akışı

trainer.fit ve trainer.validate kullanımı

trainer.fit yöntemiyle eğitimi başlatın
trainer.validate yöntemiyle modeli doğrulayın

trainer.fit(model, train_dataloader)

trainer.validate(model, val_dataloader)

Eğitim ve doğrulama döngülerini otomatikleştirin
Her iki aşamada metrikleri izleyin

Tam eğitim mantığı örneği

Sınıflandırıcı içeren özel bir LightningModule tanımlayın
Kayıp hesaplayıp günlüklemek için training_step uygulayın
Model parametrelerini güncellemek için optimize edicileri yapılandırın
Modeli eğitin ve doğrulayın

class LightClassifier(pl.LightningModule):
    def __init__(self):
        super().__init__()
        self.layer=torch.nn.Linear(28 * 28, 10)
    def forward(self, x):
        return self.layer(x.view(x.size(0), -1))

    def training_step(self, batch, batch_idx):
        ...

    def configure_optimizers(self):
        params=self.parameters()
        optimizer=torch.optim.Adam(params,lr=1e-3)
        return optimizer

model = LightClassifier() # Define classifier model
trainer = Trainer(max_epochs=5) # Define trainer
trainer.fit(model, train_dataloader)
trainer.validate(model, val_dataloader)

Sektör uygulamaları

Eğitim mantığı neden önemlidir?

Kalite kontrolü için kaybı doğru izleyin
Ölçeklenebilir dağıtım için eğitim hatlarını optimize edin

Gerçek dünya örnekleri:

Sağlıkta görüntü analizini iyileştirin
Finansal dolandırıcılık tespitini destekleyin

Sağlık görüntüleme

Sektör uygulamaları

Eğitim mantığı neden önemlidir?

Kalite kontrolü için kaybı doğru izleyin
Ölçeklenebilir dağıtım için eğitim hatlarını optimize edin

Gerçek dünya örnekleri:

Sağlıkta görüntü analizini iyileştirin
Finansal dolandırıcılık tespitini destekleyin

Sağlık görüntüleme ve dolandırıcılık tespiti

Hadi pratik yapalım!

PyTorch Lightning ile Ölçeklenebilir AI Modelleri