PyTorch Lightning 是否对整个时期的指标进行平均？

Question

我正在查看 PyTorch-Lightning 官方文档 https://pytorch-lightning.readthedocs.io/en/0.9.0/lightning-module.html 中提供的示例。

这里的损失和指标是在混凝土批次上计算的。但是当记录一个人对特定批次的准确性不感兴趣时，该批次可能相当小且不具有代表性，而是所有时期的平均值。我的理解是否正确，有一些代码对所有批次执行平均，通过纪元？

 import pytorch_lightning as pl
 from pytorch_lightning.metrics import functional as FM

 class ClassificationTask(pl.LightningModule):

 def __init__(self, model):
     super().__init__()
     self.model = model

 def training_step(self, batch, batch_idx):
     x, y = batch
     y_hat = self.model(x)
     loss = F.cross_entropy(y_hat, y)
     return pl.TrainResult(loss)

 def validation_step(self, batch, batch_idx):
    x, y = batch
    y_hat = self.model(x)
    loss = F.cross_entropy(y_hat, y)
    acc = FM.accuracy(y_hat, y)
    result = pl.EvalResult(checkpoint_on=loss)
    result.log_dict({'val_acc': acc, 'val_loss': loss})
    return result

 def test_step(self, batch, batch_idx):
    result = self.validation_step(batch, batch_idx)
    result.rename_keys({'val_acc': 'test_acc', 'val_loss': 'test_loss'})
    return result

 def configure_optimizers(self):
     return torch.optim.Adam(self.model.parameters(), lr=0.02)

Answer 1

如果你想对整个时期的指标进行平均，你需要告诉 LightningModule 你已经子类化了。有几种不同的方法可以做到这一点，例如：

用 on_epoch=True 调用 result.log('train_loss', loss, on_step=True, on_epoch=True, prog_bar=True, logger=True) as shown in the docs 以便在整个时期平均训练损失。即：

 def training_step(self, batch, batch_idx):
     x, y = batch
     y_hat = self.model(x)
     loss = F.cross_entropy(y_hat, y)
     result = pl.TrainResult(loss)
     result.log('train_loss', loss, on_step=True, on_epoch=True, prog_bar=True, logger=True)
     return result

或者，您可以在 LightningModule 本身上调用 log 方法：self.log("train_loss", loss, on_epoch=True, sync_dist=True)（可选择传递 sync_dist=True 以减少跨加速器）。

您需要在 validation_step 中执行类似的操作以获取聚合的验证集指标或在 validation_epoch_end 方法中自行实现聚合。

PyTorch Lightning 是否对整个时期的指标进行平均？

Does the PyTorch Lightning average metrics over the whole epoch?

metrics

pytorch

pytorch-lightning