pytorch/ignite

More EpochMetric's compute_fn output types

Open

#1.757 geöffnet am 8. März 2021

Auf GitHub ansehen
 (3 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (4.313 Stars) (602 Forks)batch import
HacktoberfestPyDataGlobalenhancementhelp wantedmodule: metrics

Beschreibung

🚀 Feature

Following https://github.com/pytorch/ignite/pull/1700#issuecomment-787151203 we would like to improve EpochMetric by supporting more output types returned by compute_fn:

  • EpochMetric should work with compute_fn outputs: scalars, tensors, tuple/list/mapping of tensors vs currently only scalars

A code snippet on possible implementation: https://github.com/pytorch/ignite/pull/1700#issuecomment-790413236 (It is not tested and maybe wrong, just an idea of how to do it).

It would be also helpful to raise a more user friendly error message if output type is not supported.

We need to update the docs as well.

If interested in fixing this issue, please leave a comment to assign the issue to you.

Contributor Guide

Tech Stack
pythonpytorch
Domain
machine learning
Issue Type
feature
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 days
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
stale
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
mostly clear
Voraussetzungen
Familiarity with PyTorchUnderstanding of EpochMetric class
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
60
Research-Richtung
Review the existing implementation of EpochMetric in the ignite codebase (likely in ignite/metrics/epoch metric.py). Understand how compute fn is currently used and the output types it supports. Examine the code snippet in the linked comment for a potential approach. Then implement support for scalars, tensors, and tuple/list/mapping of tensors. Also add a more user friendly error message for unsupported types. Finally, update the documentation to reflect the new capabilities.