当我主要使用fast.ai时，如何包括PyTorch功能？
我正在使用PyTorch来执行视觉任务，但我想使用fast.ai提供的一些功能，因为它有很多有用的功能。我更喜欢在PyTorch上工作，因为我更容易理解正在发生的事情，更容易在网上找到关于它的信息，而且我希望保持灵活性。
在https://docs.fast.ai/migrating_pytorch中，它写道，在我使用以下导入之后：from fastai.vision.all import *和from migrating_pytorch import *，我应该能够开始“递增地向您的PyTorch模型添加快速的优点”，这听起来很棒。但是，当我运行第二个导入时，就会得到ModuleNotFoundError: No module named 'migrating_pytorch'。在https://github.com/fastai/fastai中搜索时，我也没有发现任何提到migrating_pytorch.py的代码，也没有在网上找到任何东西。(我使用的是fast.ai版本2.3.1)
我想知道这是否真的是要走的路，如果是的话，如何让它发挥作用。或者，如果有更好的方法，那么我应该如何使用这种方法。
例如，如果我可以使用EarlyStoppingCallback、SaveModelCallback并从fast.ai中添加一些度量，而不是自己编写它们，那就太好了，同时仍然可以使用“原生”PyTorch中的所有内容。
最好的解决方案不是只针对视觉，但这是我目前的需求。
回答 1
Stack Overflow用户
发布于 2022-02-03 18:31:08
migrating_pytorch是一个示例脚本。它在fast.ai回购处：https://github.com/fastai/fastai/blob/master/nbs/examples/migrating_pytorch.py
显示如何使用它的笔记本是：https://github.com/fastai/fastai/blob/827e7cc0fad2db06c40df393c9569309377efac0/nbs/examples/migrating_pytorch.ipynb。
对于回调示例。您的培训代码最终会看起来如下所示：
cbs = [EarlyStoppingCallback(), SaveModelCallback()]
learner = Learner(dls, simple_cnn(), loss_func=F.cross_entropy, cbs=cbs)
learner.fit(1)这两个回调可能需要一些参数，例如保存路径等。
https://stackoverflow.com/questions/68211731
复制相似问题
腾讯云开发者
