ignite: 一個用於 PyTorch 的高階訓練與評估函式庫，以靈活的事件驅動系統取代冗長的樣板程式碼

它解決了什麼問題

PyTorch-Ignite 簡化了在 PyTorch 中訓練與評估神經網路的過程。它消除了為訓練與驗證迴圈編寫重複性樣板程式碼的需求，同時保持對訓練過程的完全控制。

運作原理

Ignite 使用基於引擎（engine-based）的系統，使用者可以定義一個 train_step 並實例化一個 Engine。這個引擎會處理迴圈的執行。若要增加功能，使用者可以附加「事件處理器」（event handlers）——這些是會在訓練過程中的特定點觸發的函式（例如：在一個 epoch 的開始或一次迭代的完成時）。這些處理器可以是任何函式（lambda、類別方法），並且可以根據頻率進行篩選（例如：每 5 個 epochs）。

對象是誰

它是為想要使用高階函式庫來組織訓練流程，但又不希望像某些其他框架那樣出現「控制反轉」（control inversion）的 PyTorch 使用者所設計的，這讓他們能夠在需要時與在需要的地方使用 Ignite 的工具。

重點特色

• 靈活的事件系統：將任何函式附加到如 EPOCH_COMPLETED 或 uma l 等事件上，以執行自定義邏輯，而無需繼承複雜的介面。
• 開箱即用的指標：包含大量預建的指標，適用於分類、回歸及其他任務（例如：Precision、Recall、Accuracy、IoU）。
• 簡化的迴圈：以引擎系統取代手動的 for/while 迴圈，使程式碼更乾淨、更簡潔。
• 可擴展的 API：為指標、實驗管理器以及訓練流程組件提供了一個可擴展的框架。