Lightning-AI/torchmetrics

Machine learning metrics for distributed, scalable PyTorch applications.

What it solves

TorchMetrics는 PyTorch 애플리케이션을 위한 머신러닝 메트릭을 계산하는 표준화된 방법을 제공합니다. 여러 배치와 분산 장치(예: 여러 개의 GPU 또는 노드) 간의 메트릭 누적 및 동기화를 위해 일반적으로 필요한 보일러플레이트 코드를 제거하여 결과의 재현성과 확장성을 보장합니다.

How it works

이 라이브러리는 두 가지 주요 메트릭 계산 방식을 제공합니다:

  • Module-based metrics: PyTorch 모듈처럼 동작하며, 내부 상태를 유지하여 배치 간의 데이터를 자동으로 추적하고 누적합니다. 여러 장치 간의 동기화를 자동으로 처리하므로 CPU, 단일 GPU 또는 멀티 GPU 설정과 호환됩니다.
  • Functional metrics: 텐서를 입력으로 받아 상태를 유지하지 않고 즉시 메트릭 값을 반환하는 간단한 Python 함수입니다.

사용자는 torchmetrics.Metric을 상속받아 메트릭이 상태를 업데이트하고 최종 결과를 계산하는 방식을 정의함으로써 커스텀 메트릭을 만들 수도 있습니다.

Who it’s for

다양한 도메인(오디오, 텍스트, 이미지 등)에서 모델 성능을 추적적 필요로 하는 PyTorch 개발자와 머신러닝 엔지니어, 그리고 대규모 분산 학습을 수행하는 사람들을 위해 설계되었습니다.

Who it’s for

다양한 도메인(오디오, 텍스트, 이미지 등)에서 모델 성능을 추적해야 하는 PyTorch 개발자와 머신러닝 엔지니어, 그리고 대규모 분산 학습을 수행하는 사람들을 위해 설계되었습니다.

Highlights

  • Extensive Library: 분류, 회귀, 세그멘테이션, 오디오, 텍스트, 멀티모달 데이터에 걸쳐 100개 이상의 내장 메트릭을 포함합니다.
  • Distributed Support: 멀티 디바이스 학습을 위한 내장 자동 동기화 및 누적 기능이 제공됩니다.
  • Customizable: 베이스 클래스를 상속받아 커스텀 메트릭을를 구현하는 쉬운 API를 제공합니다.
  • Visualization: 메트릭 진행 상황을 시각화하기 위한 통합된 플로팅 지원을 제공합니다.