此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • BaseTrainingStrategy
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

base_strategy

最后更新
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 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。

方法

init
Python
1def __init__(pl_module: lxt.LuxonisLightningModule, **kwargs):
为 Lightning 模块创建策略。luxonis_train.lightning.utils.build_training_strategy 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
1def 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 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
1def 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 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
1def opaque_inners(self) -> list[tuple[Optimizer, Any]]:
返回策略本身构建的优化器。build_training_plan 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 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
1def opaque_parameter_ids(self) -> set[int]:
返回策略在规则之外声明的参数。resolve_training_plan 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 覆盖此方法。返回
  • set[int]: 每个声明参数的 id()。
rules
Python
1def 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 的调度器。
update_parameters
Python
1def update_parameters(self):
在反向传播后更改策略的组。TrainingManager 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