tracel-ai/burn

Training metrics

Aperta

#544 aperta il 25 lug 2023

Vedi su GitHubGuida contributor
 (19 commenti) (2 reazioni) (0 assegnatari)Rust (964 fork)auto 404
featuregood first issue

Metriche repository

Star
 (15.550 stelle)
Metriche merge PR
 (Merge medio 2g 22h) (129 PR mergiate in 30 g)

Descrizione

In burn-train, several metrics can be used during training. It would be great to have more!

  • Accuracy
  • Loss (the one in use)
  • CUDA utilization (memory&compute)
  • Top-k accuracy
  • CPU utilization
  • CPU memory usage
  • General GPU utilization
  • General GPU memory usage
  • Precision Recall
  • AUC - ROC
  • BLEU score
  • ROUGE score

Guida contributor

Direzione di ricerca
Implementa le metriche di addestramento mancanti: utilizzo generale della GPU, AUC ROC, punteggio BLEU e punteggio ROUGE. Inizia studiando le implementazioni esistenti delle metriche in burn train, come accuratezza e perdita, quindi adatta il modello per ogni nuova metrica. Per le metriche GPU, potresti dover interfacciarti con le API CUDA. Per le metriche NLP come BLEU e ROUGE, fai riferimento a implementazioni esistenti in Rust o integra con librerie.
Tech stack
rust
Dominio
machine learningai
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
Mezza giornata
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
RustDeep Learning basics
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
60