ignite: 一个为 PyTorch 设计的高级训练与评估库，用灵活的事件驱动系统取代冗余的循环代码

它解决了什么问题

PyTorch-Ignite 简化了在 PyTorch 中训练和评估神经网络的过程。它消除了为训练和验证循环编写重复性样板代码的需求，同时保持对训练过程的完全控制。

工作原理

Ignite 使用基于引擎的系统，用户可以定义一个 train_step 并实例化一个 Engine。该引擎负责处理循环执行。为了添加功能，用户可以附加“事件处理器”——即在训练过程中的特定点（例如，在 epoch 开始时或迭代完成时）触发的函数。这些处理器可以是任何函数（lambda 函数、类方法），并且可以按频率进行过滤（例如，每 5 个 epoch）。

适用人群

它专为希望使用高级库来组织其训练流水线，但又不想像某些其他框架那样面临“控制反转”的 PyTorch 用户设计，这使得他们能够根据需要随时随地使用 Ignite 的工具。

亮点

• 灵活的事件系统：将任何函数附加到 EPOCH_COMPLETED 或 uma l 等事件上，以执行自定义逻辑，而无需继承复杂的接口。
• 开箱即用的指标：包含大量预构建的指标，适用于分类、回归和其他任务（例如，Precision、Recall、Accuracy、IoU）。
• 简化的循环：用引擎系统取代手动 for/while 循环，从而获得更整洁、更简洁的代码。
• 可扩展的 API：为指标、实验管理器和训练流水线组件提供了一个可扩展的框架。