qubvel-org/segmentation_models.pytorch

Add multi-gpu training example script

Aberta

#913 aberto em 23 de ago. de 2024

Ver no GitHub
 (0 comentário) (0 reação) (0 responsável)Python (1.842 forks)github user discovery
examplesgood first issue

Métricas do repositório

Stars
 (11.704 estrelas)
Métricas de merge de PR
 (Mesclagem média 4h 14m) (24 fundiu PRs em 30d)

Description

It would be great to have more examples for fine-tuning in the library!

Similar to current examples for binary-segmentaion and multi-label segmentation would be great to have Multi-GPU training example. This can be handled with PyTorch-Lightning or with pure Pytorch.

It might be a .py script or Jupyter notebook. The example should showcase how to

  • fine-tune a model with pytorch-lightning (or any other fine-tuning framework, even a plain pytorch)
  • compute metrics with correct gathering of results (maybe torchmetrics can be utilized)
  • visualize results

In case anyone wants to work on this you are welcome! Just notify in this issue, and then ping me to review a PR when it's ready.

Fixes:

Guia do colaborador

Direção de pesquisa
Crie um script Python ou um Jupyter notebook que demonstre o ajuste fino multi GPU de um modelo de segmentação usando PyTorch Lightning ou PyTorch puro. Inclua a coleta correta de métricas com torchmetrics e visualização de resultados.
Pilha de tecnologia
python
Domain
backenddocumentation
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
Meio dia
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Recente
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
PythonPyTorchPyTorch Lightning
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
70