介绍 PyTorch-Ignite 的代码生成器 v0.2.0

随着 PyTorch-Ignite 0.4.5 版本的发布，我们很高兴地宣布用于生成 PyTorch-Ignite 训练管道的 Web 应用程序的新版本发布。这篇博客文章概述了 Code Generator v0.2.0 项目发布的关键功能和更新。

深度学习作为日常

在深度学习应用中，神经网络通常伴随着代码来预处理输入和输出数据、可视化结果、定义适当的训练和评估管道等。这些支持代码的很大一部分由可重用的组件组成，如数据加载器、训练循环、日志记录和跟踪。因此，深度学习从业者通常将他们的样板代码库组织成可重用组件的集合，以加快开发速度。

PyTorch-Ignite 是一个实用的解决方案，它是 PyTorch 生态系统中的一个高级库，用于训练神经网络，旨在简化工作流开发，同时保持最大的控制、灵活性和可重复性。PyTorch-Ignite 感觉像是 PyTorch 的自然扩展。

点燃您的训练管道

PyTorch-Ignite的代码生成器是一个开源工具，旨在提升您的训练管道脚本，由PyTorch-Ignite的贡献者精心设计，以推广PyTorch-Ignite的最佳实践。该应用程序具有用户友好且直观的网页界面，简单易用，非常适合日常使用，是快速生成用于训练PyTorch模型的自定义模板的绝佳选择。

在此版本中，我们使用了一个新的应用程序开发堆栈，以将用户体验提升十倍。对于用户界面，我们转向了JavaScript堆栈。PyTorch和PyTorch-Ignite特定的生成代码保持不变。

入门指南

“点燃你的训练管道”的最佳方式是访问Code Generator的主页，并通过点击“入门”按钮选择你任务的模板。

您可以从位于左侧Templates标签中的模板列表中选择一个模板。应用程序将开始使用预配置的默认设置渲染模板。您将在右侧的不同标签中看到所有生成的文件以及渲染的代码，就像在常规的IDE中一样。配置的当前状态部分反映在config YAML文件中。

目前，我们为广泛使用的深度学习任务提供了四种可定制的模板：视觉分类和分割、文本分类以及DCGAN。

开始通过访问左侧的不同标签来调整模板中的代码：

• 训练: 开启分布式训练
• 处理程序: 设置检查点、在 NaN 上终止、提前停止等
• 日志记录器: 配置日志记录

一旦你选择了合适的设置，点击顶部的“下载”或“在Colab中打开”按钮，将生成的代码导出为zip压缩包或笔记本，并按照任何给定的附加步骤操作。生成的压缩包包含了打包在一起的文件。requirements.txt文件包含了所有必需的依赖项，而README文件包含了启动脚本所需的所有必要信息。

您现在可以添加数据和模型并运行代码了！

我想贡献！

我们鼓励来自前端和数据科学社区的开源贡献者共同参与该项目。如果您感兴趣，请访问 贡献指南。如果您有任何问题，请随时在我们的 Discord上提问。这里有一些 适合初学者的任务。

下一步

在未来的版本中，我们计划扩展我们的模板库并添加更多功能，例如配置系统、数据加载器、数据集和模型、优化器和调度器。我们将继续提高应用程序的可靠性和可用性。为了保持联系，请在Twitter和Facebook上关注我们。我们非常希望得到您对该项目的反馈。

致谢

该项目的开发得到了NumFOCUS小型开发资助的支持。我们非常感谢他们的支持！