open-mmlab/mmengine

해결하는 문제

MMEngine은 PyTorch에서 딥러닝 모델을 학습하기 위한 표준화된 기본 프레임워크를 제공합니다. 학습 루프, 검증, 모니터링을 위한 반복적인 보일러플레이트 코드를 작성할 필요가 없어져, 연구자와 개발자는 인프라보다 알고리즘 설계에 집중할 수 있습니다.

작동 방식

MMEngine은 여러 핵심 구성 요소 간의 상호 작용을 조율하는 학습 엔진으로 동작합니다:

• Runner: 훈련 및 검증 과정을 관리하는 중앙 코디네이터입니다.
• Model: 모델이 훈련(손실 계산) 및 예측을 처리하는 방식을 정의하는 기본 클래스(BaseModel)입니다.
• Dataset & DataLoader: 모델에 데이터를 공급하는 표준화된 방법입니다.
• Metrics: 훈련 중 및 훈련 후 모델 성능을 평가하는 시스템(BaseMetric)입니다.
• OptimWrapper: 역전파와 그래디언트 업데이트를 처리하기 위한 옵티마이저 래퍼입니다.

대상 독자

PyTorch 모델을 구축하는 딥러닝 연구자와 엔지니어를 위해 설계되었습니다. 특히 OpenMMLab 생태계 내에서 혹은 자체 비‑OpenMMLab 프로젝트에 적용할 수 있는 일반적이고 설정 가능한 학습 엔진을 찾는 경우에 적합합니다.

주요 특징

• Large-Scale Training Support: DeepSpeed, ColossalAI, FSDP와 같은 주요 프레임워크와 통합됩니다.
• Training Strategies: 메모리와 속도를 최적화하기 위해 혼합 정밀도 훈련, 그래디언트 누적, 그래디언트 체크포인팅을 기본 지원합니다.
• Flexible Configuration: 순수 Python 스타일과 일반 텍스트(JSON/YAML) 구성 파일을 모두 지원합니다.
• Broad Monitoring Integration: TensorBoard, WandB, MLflow, ClearML, Neptune, DVCLive, Aim 등 다양한 시각화 플랫폼과 연결됩니다.