4.pytorch lightning之使用命令行设置超参数

文章介绍了如何使用Python的ArgumentParser模块来设置命令行参数,例如训练设备数量和模型的层维度。当参数较多时,推荐使用LightningCLI进行更复杂的参数管理。示例中展示了如何解析这些参数并应用到Trainer和模型实例中。
摘要由CSDN通过智能技术生成

使用命令行设置超参数

ArgumentParser

简单的可以使用python 工具ArgumentParser

from argparse import ArgumentParser

parser = ArgumentParser()

# 训练使用的设备参数
parser.add_argument("--devices", type=int, default=2)

# 模型内的超参数
parser.add_argument("--layer_1_dim", type=int, default=128)

# Parse the user inputs and defaults (returns a argparse.Namespace)
args = parser.parse_args()

# 解析后使用相应的参数
trainer = Trainer(devices=args.devices)
model = MyModel(layer_1_dim=args.layer_1_dim)

在终端中命令中设置相应的参数:

python trainer.py --layer_1_dim 64 --devices 1

CLI

如果参数过多,则推荐使用 Lightning CLI

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值