skorch-dev/skorch

解决的问题

它弥合了 PyTorch 和 scikit-learn 之间的鸿沟，允许用户像使用 scikit-learn 估计器一样使用 PyTorch 神经网络。这消除了在使用 PyTorch 时编写重复的训练循环、验证拆分和超参数调优样板代码的需要。

工作原理

Skorch 将 PyTorch 模块封装成兼容 scikit-learn 的接口。通过提供 NeuralNetClassifier 或类似的封装器，它使得在底层模型保持为 PyTorch 神经网络的同时，能够使用标准的 scikit-learn 工具，如用于预处理的 Pipeline 和用于自动超参数优化的 GridSearchCV。

适用对象

希望在构建模型时拥有 PyTorch 的灵活性，但又偏好 scikit-learn 提供的流线型、标准化工作流和实用工具的机器学习工程师和数据科学家。

亮点

• Scikit-learn 兼容性：与 Pipeline 和 GridSearchCV 完全集成。
• 训练实用程序：内置对早停（early stopping）、检查点（checkpointing）和学习率调度器（learning rate schedulers）的支持。
• 训练管理：包含用于 CLI 和 Jupyter 的进度条以及参数冻结/解冻功能。
• 生态系统集成：与 Hugging Face 和用于高斯过程的 GPyTorch 兼容。