skorch-dev/skorch

해결하는 문제

PyTorch와 scikit-learn 사이의 간극을 메워 사용자가 PyTorch 신경망을 scikit-learn estimator처럼 사용할 수 있도록 합니다. 이를 통해 PyTorch를 사용할 때 반복적인 학습 루프, 검증 분할 및 하이퍼파라미터 튜닝을 위한 보일러플레이트 코드를 작성할 필요가 없습니다.

작동 방식

Skorch는 PyTorch 모듈을 scikit-learn 호환 인터페이스로 래핑합니다. NeuralNetClassifier 또는 유사한 래퍼를 제공함으로써, 기본 모델은 PyTorch 신경망으로 유지하면서 전처리를 위한 Pipeline 및 자동 하이퍼파라미터 최적화를 위한 GridSearchCV와 같은 표준 scikit-learn 도구를 사용할 수 있도록 합니다.

대상

모델 구축을 위해 PyTorch의 유연성을 원하면서도, scikit-learn에서 제공하는 간소화되고 표준화된 워크플로 및 유틸리티 도구를 선호하는 머신러닝 엔지니어 및 데이터 과학자.

주요 특징

• Scikit-learn 호환성: Pipeline 및 GridSearchCV와 완벽하게 통합.
• 학습 유틸리티: Early stopping, 체크포인팅 및 학습률 스케줄러에 대한 내장 지원.
• 학습 관리: CLI 및 Jupyter를 위한 진행률 표시줄 및 파라미터 동결/해제 기능 포함.
• 생태계 통합: Hugging Face 및 가우스 프로세스를 위한 GPyTorch와 호환됨.