访问官网
Github
文档项目介绍：Ignite
Ignite 是一个高级库，旨在帮助开发者灵活透明地在 PyTorch 中进行神经网络的训练和评估。它提供了简化的训练和验证流程，并通过强大的事件和处理器系统，使用户可以编写更少的代码同时确保最大程度的控制和简单性。
项目特点
- 简化的代码：相比于纯粹使用 PyTorch，Ignite 能显著减少代码量，同时保持代码的简单性和可控性。
- 库的模式：以库的方式提供服务，用户可以在需要的地方和时间任意使用 Ignite。
- 可扩展的 API：提供扩展 API 以适应各种需求，例如度量标准、实验管理器和其他组件。
为什么选择 Ignite？
Ignite 提供了三个核心功能：
- 极其简单的引擎和事件系统
- 开箱即用的度量指标，用于轻松评估模型
- 内置的处理器，可用于组成训练管道、保存成果及记录参数和度量标准
简化的训练和验证循环
使用 Ignite，开发者不再需要编写 for/while 循环来处理 epoch 和迭代。用户只需实例化引擎并运行即可。例如，用户可以设置一个训练引擎，并在每个 epoch 结束时运行模型验证。
事件与处理器的强大功能
处理器类似于回调，但提供了无与伦比的灵活性。处理器可以是任何函数，例如 lambda，简单函数，类方法等。因此，无需继承接口或重写抽象方法，这样可以减少冗余的代码和复杂性。用户可以在需要的时候执行任意数量的函数，还可以使用内置事件过滤、事件堆叠甚至自定义事件来完成更复杂的功能。
事件和处理器的实例
可以在训练开始、完成或每次迭代完成时附加处理器来打印信息或记录日志。此外，允许用户以灵活的方式运行验证或更改训练参数，即可在特定的 epoch 执行特定的任务。
开箱即用的度量指标
Ignite 为多种任务提供了现成的度量，如精确度、召回率、准确率、混淆矩阵和 IoU 等。用户还可以轻松地从现有的指标中组合出自己的指标。
安装指南
Ignite 支持多种安装方式：
- 使用
pip安装稳定版本：pip install pytorch-ignite - 使用
conda安装：conda install ignite -c pytorch - 安装最新的每夜构建版本：
pip install --pre pytorch-ignite
示例和教程
Ignite 提供了丰富的教程和示例供新手学习，例如文本分类使用卷积神经网络、变分自编码器和 Fashion-MNIST 的卷积神经网络分类等。此外，还提供了可重现的训练基线用于视觉任务。
与社区的沟通
Ignite 拥有一个活跃的社区，用户可以通过 GitHub issues、Discuss.PyTorch 分类 "Ignite"，以及 PyTorch-Ignite Discord 服务器参与讨论或寻求帮助。此外，用户反馈收集渠道也非常欢迎用户提出意见和建议。
贡献和引用
Ignite 欢迎社区贡献，用户可以参考贡献指南进行项目参与。如果在科研出版物中使用 PyTorch-Ignite，我们非常感谢引用我们的项目。
Ignite 是一个通过社区成员志愿管理和维护的项目，作为 NumFOCUS 附属项目，它为 PyTorch 的开发者社区提供了一个高效便利的工具。
