# base_strategy

Python API: `luxonis_train.strategies.base_strategy`

所有训练策略都继承的基类。

## 类

### BaseTrainingStrategy

训练策略的基类。

策略将参数组规则添加到模型参数的分区中，并且可以在每一步更改其组。子类在其类名下注册到 `STRATEGIES` 注册表中，因此 `trainer.training_strategy.name` 可以命名它。

[resolve_training_plan](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/lightning/training_plan.md)
在每个节点的 `finetuning` 条目之后和默认规则之前评估策略规则。因此，节点条目优先于策略规则，并且策略未声明的每个参数仍然会获得一个优化器。

> **示例**
> 使用策略的配置的 `trainer` 部分：

```yaml
trainer:
  training_strategy:
    name: TripleLRSGDStrategy
    params:
      lr: 0.02
      warmup_epochs: 3
```

#### 方法

##### init

```python
def __init__(pl_module: lxt.LuxonisLightningModule, **kwargs):
```

为 Lightning 模块创建策略。

[luxonis_train.lightning.utils.build_training_strategy](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/lightning/utils.md)
使用模块和 `trainer.training_strategy.params` 的条目作为关键字参数调用构造函数。

参数

 * `pl_module` (`lxt.LuxonisLightningModule`): 要训练的模块。
 * `**kwargs`: 配置中策略的参数。

##### attach

```python
def attach(runtime: TrainingPlanRuntime, handles: Mapping[str, tuple[GroupHandle, ...]]):
```

存储策略规则的运行时和组句柄。

[LuxonisLightningModule.configure_optimizers](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/lightning/luxonis_lightning.md)
在构建优化器后调用此方法。此方法设置 `runtime` 和 `group_handles` 属性。覆盖必须保留它们，或调用此方法。句柄包含索引，因此在检查点加载后仍然有效。

参数

 * `runtime` (`TrainingPlanRuntime`): 计划的优化器和调度器。`runtime.group(handle)` 返回一个组。
 * `handles` (`Mapping[str, tuple[GroupHandle, ...]]`): 每个规则的组句柄，以规则标签为键。没有声明参数的规则没有条目。

##### get_base_configs

```python
def get_base_configs(self) -> tuple[OptimizerConfig, SchedulerConfig]:
```

返回策略的基本优化器和调度器。

当策略处于活动状态时，基本配置会替换 `trainer.optimizer` 和 `trainer.scheduler`。节点的 `finetuning` 条目将其覆盖合并到其中，并且默认规则使用它们。实现可以引发
`NotImplementedError`。[resolve_training_plan](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/lightning/training_plan.md)
然后使用 `trainer.optimizer` 和 `trainer.scheduler`。

返回

 * `tuple[OptimizerConfig, SchedulerConfig]`: 基本优化器配置和基本调度器配置。

##### opaque_inners

```python
def opaque_inners(self) -> list[tuple[Optimizer, Any]]:
```

返回策略本身构建的优化器。

[build_training_plan](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/lightning/training_plan.md)
在计划的内部优化器之后添加它们。基本实现返回一个空列表。只有
[LegacyStrategyAdapter](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/strategies/legacy.md)
覆盖此方法。

返回

 * `list[tuple[Optimizer, Any]]`: 优化器及其调度器的对。调度器可以是调度器、Lightning 调度器配置字典或 `None`。

##### opaque_parameter_ids

```python
def opaque_parameter_ids(self) -> set[int]:
```

返回策略在规则之外声明的参数。

[resolve_training_plan](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/lightning/training_plan.md)
将这些参数排除在计划之外。基本实现返回一个空集。只有
[LegacyStrategyAdapter](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/strategies/legacy.md)
覆盖此方法。

返回

 * `set[int]`: 每个声明参数的 `id()`。

##### rules

```python
def rules(self) -> list[StrategyRule]:
```

按顺序返回策略的参数组规则。

第一个选择器接受自由参数的规则声明它。具有相同优化器名称和相同调度器的规则共享一个内部优化器。

返回

 * `list[StrategyRule]`: 规则。没有调度器的规则使用
   [get_base_configs](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/strategies/base_strategy.md)
   的调度器。

##### update_parameters

```python
def update_parameters(self):
```

在反向传播后更改策略的组。

[TrainingManager](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/callbacks/training_manager.md)
在每次反向传播后，优化器步进之前调用此方法。基本实现不执行任何操作。

#### 属性

##### group_handles

##### runtime
