cnstark / easytorch Goto Github PK

easytorch.launch_training(cfg=cfg, devices=gpus, node_rank=node_rank), cfg is some file "AA.BB.py" (e.g., "x=0.001.py"), then it will just read "x=0")

在调参的过程中，经常会需要对多个数据集的多个模型调参，需要写多个模型多个数据集的 config 文件。

我的想法是，能否复用一套config 文件，在调参grid search时，动态修改 config 的配置，从而省去写 config 的麻烦。

感谢答疑~

Thanks for your efforts. Are there any documents or piplines for us to learn/use?

cfg文件支持自定义optim，通过optim type字段类型进行选择，如果类型为str则使用内建optim；如果类型为Optimazer，表示自定义optim，不需要通过getattr直接初始化即可。

环境里已安装 torch 1.10，满足 > 1.4，但使用 pip install 安装 easy-torch 1.3 时仍会自动安装 torch 1.7，如下图。

测试后发现安装 easy-torch 1.2 时不会存在这种情况。

尊敬的作者：
非常感谢您做出的巨大贡献和分享。在您项目的2020年中文文档介绍中说后续会出完整的中文文档，我似乎没有找到，您能提供一下地址吗，或者PDF下载地址。十分感谢您。

请问之前版本的easytorch中的/core/runner.py中的to_running_device函数现在改成什么名字了，谢谢

整合seed、deterministic、tf32等配置至cfg文件中env字段

整体**：

1. 多model 的 runner作为基础runner，原始的单model runner作为基础runner的子类，兼容旧代码
2. config里面多个optim分别指定model，多个lrscheduler分别指定optim
3. Param参数，将cfg中的变量自动添加为runner的属性。这里是为了支持多个model、optim、lrscheduler的访问。
   改动：
4. build model时支持build多model，通过config配置
5. build optim和build lr scheduler作为成员函数，支持build多个optim和lr scheduler，通过config配置
6. backward添加一个可选参数，指定optim
7. 保存和加载checkpoint时，支持多model