Train and validation epoch functions
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 62/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Attiva
- Stack tecnologico
- python, pytorch
- Ambito
- machine-learning
Direzione di ricerca
Il lavoro va svolto in src/train.py, dove run_epoch(model, loader, optimizer=None, augment=False) deve restituire la loss media e l'accuratezza. Leggi prima le issue #9 e #15, da cui questa dipende, per conoscere le interfacce del modello e del loader. È completato quando un'epoca di ModelB sul loader di training viene eseguita senza errori e restituisce due float, con il calcolo dei gradienti disattivato quando non viene passato alcun optimizer.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Core loop used by every experiment.
Files: src/train.py
Tasks
-
run_epoch(model, loader, optimizer=None, augment=False)-> (mean loss, accuracy) - Training mode when an optimizer is given,
torch.no_grad()otherwise - Cross-entropy loss; move batches to the configured device
Done when
One epoch of ModelB on the training loader runs without errors and returns floats.
Depends on
#9 #15
Close with a commit or PR message containing Closes #<this issue>.
- Lingua principale
- Jupyter Notebook
- Stelle
- 0
- Fork
- 0
- Merge medio
- 5h 32m
- PR unite (30g)
- 5
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di VisionForgeCSE/CNN-For-Image-Classification
-
Inference latency benchmarkApertaevaluation
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
-
evaluation good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
-
Plot confusion matrixApertaevaluation
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
training
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
Optimizer factoryApertatraining
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
Tutte le issue di VisionForgeCSE/CNN-For-Image-Classification
Issue simili
-
ManualStateFeatureWeighting accepts non-positive weights leading to NaN/inf lossForse già presa @Shivampal157 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 80/100
mllam/neural-lam#787 · 1 commento ·
I maintainer di solito rispondono entro 2 giorni
-
Angle brackets are not tokenizer delimiters, so `<http://…>` fuses the opening bracket to the URLAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
maziyarpanahi/openmed#4204 · 1 commento ·
I maintainer di solito rispondono entro 3 giorni
-
icu-benchmarks evaluate --eval crashes on ML classifiers: unconditional model.set_weight() callAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
rvandewater/YAIB#206 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100