Objet Context 🌐 Context object

Les objets context sont utilisés par luz pour l'échange d'information entre méthodes, métriques et callbaks.

Détails

L'objet ctx est utilisé par luz pour partager des méthodes entre la boucle d'entraînement, les callbacks, les méthodes du modèles et les métriques. La table ci-dessous liste les informations disponibles dans ctx par défaut. Les autres callbacks peuvent potentiellement modifier ces attributs et en ajouter d'autres.

Attribute	Description
`verbose`	La valeur (`TRUE` ou `FALSE`) affectée à l'argument `verbose` dans `fit` .
`accelerator`	L'objet Accelerator utilisé pour distribuer la charge de calcul aux cartes accélératrices, les données, etc. It assumes the value passed to the `accelerator` parameter in `fit`.
`model`	Un objet `nn_module` initialisé qui sera entraîné pendant le process de `fit`.
`optimizers`	Liste nommée d'optimateurs utilisés pendant l'entraînement.
`data`	Le dataloader en cours d'usage. Pendant l'entraînement, c'est `ctx$train_data`, pendant l'évaluation, c'est `ctx$valid_data`. It can also be the prediction dataset when in `predict`.
`train_data`	Chargeur de données fourni comme argument `data` à `fit`. Modifié pour fournir les données au device cible.
`valid_data`	Chargeur de données fourni comme argument `valid_data` à `fit`. Modifié pour fournir les données au device cible.
`min_epochs`	Nombre minimum d'époques que le modèle sera entraîné.
`max_epochs`	Nombre maximum d'époques que le modèle sera entraîné.
`epoch`	Époque actuelle de l'entraînement.
`iter`	Itération actuelle de l'entraînement. Il est réinitialisé à chaque époque et lorsqu'on passe d'une entraînement à une validation.
`training`	Si le modèle est en mode entraînement ou validation. Voir également `help("luz_callback_train_valid")`
`callbacks`	Liste des callbacks qui seront appelés pendant la procédure d'entraînement. C'est l'union de la liste passée à l'argument `callbacks` et des callbacks par défaut.
`step`	la closure qui sera utilisé pour faire un `step` du modèle. Elle est utilisée pour l'entraînement et la validation. Ne prends pas d'argument mais a accès à l'objet `ctx`.
`call_callbacks`	Appel des callbacks par leur nom. Par exemple `call_callbacks("on_train_begin")` appelle tous les callbacks qui fournissent des methodes pour ce point.
`batch`	Dernier lot obtenu par le chargeur de données. le lot est `list()` de 2 éléments, l'un est utilisé comme `input` et l'autre come `target`.
`input`	Premier élément de la liste du dernier lot obtenu par le chargeur de données actuel.
`target`	Second élément de la liste du dernier lot obtenu par le chargeur de données actuel.
`pred`	Dernières prédictions obtenues par `ctx$model$forward` . Note: cela peut être potentiellement modifié par les appels précédemment exécutés. Ne sera pas disponible si vous utilisez un pas d'entraînement personnalisé.
`loss_fn`	La fonction de coût active, qui sera minimisée pendant l'entraînement.
`loss`	La dernière valeur mesurée de la fonction de coût Note: Ne sera pas disponible avec un pas d'entraînement personnalisé.
`opt`	L'optimiseur en cours, c.a.d. celui qui sera utilisé pour le prochain `step` pour la mise à jour des paramêtres du modèle.
`opt_nm`	Le nom de l'optimiseur en cours. Par default, c'est `opt`, sauf si votre modèle utilise plusieurs optimiseurs suivant le jeu de paramêtres à optimiser.
`metrics`	Une `list()` des objet de métrique en cours `update`és à chaqe `on_train_batch_end()` ou `on_valid_batch_end()`. Voir aussi `help("luz_callback_metrics")`
`records`	Une `list()` enregitrant toutes les valeurs des métriques d'entraînement et de validation. Voir aussi `help("luz_callback_metrics")`. Contient aussi les métrique sde profiling. Voir `help("luz_callback_profile")` pour plus d'information.
`handlers`	Une `list()` nommée des `handlers` transférée à `rlang::with_handlers()` pendant la boucle d'entraînement, qui permet de gérer des erreurs ou des conditions levées par d'autres callbacks.
`epoch_handlers`	Une `list()` nommée des `handlers` utilisée avec `rlang::with_handlers()`. Ces handlers sont utilisés à l'intérieur de la boucle de l'époque, et vous permettent de gérer des évènements spécifiques à l'époque, sans pour autant arrêter l'entraînement.

Attributs du contexte

Voir également

Objet contexte: context