首页
/ 在Darts项目中记录训练和验证损失值的方法

在Darts项目中记录训练和验证损失值的方法

2025-05-27 10:28:56作者:戚魁泉Nursing

概述

在机器学习模型训练过程中,监控训练和验证损失值的变化对于理解模型性能至关重要。本文将介绍如何在Darts项目中有效地记录和访问这些关键指标。

使用PyTorch Lightning回调机制

Darts基于PyTorch Lightning构建,因此我们可以利用其强大的回调系统来记录损失值。回调是在训练过程中特定时间点执行的函数,非常适合用于监控目的。

自定义损失记录回调

创建一个继承自Callback的自定义回调类是最直接的方法:

import pytorch_lightning as pl

class StepLossLogger(pl.Callback):
    """用于在训练过程中记录每一步/批次的训练和验证损失"""
    
    def __init__(self):
        self.train_step = []  # 记录训练步数
        self.train_loss = []  # 记录训练损失
        self.val_step = []    # 记录验证步数
        self.val_loss = []    # 记录验证损失
    
    def on_train_batch_end(self, trainer, *args, **kwargs):
        """在每个训练批次结束时记录训练损失"""
        self.train_step.append(int(trainer.global_step))
        self.train_loss.append(float(trainer.callback_metrics["train_loss"]))
    
    def on_validation_end(self, trainer, *args, **kwargs):
        """在每次验证结束时记录验证损失"""
        self.val_step.append(int(trainer.global_step))
        self.val_loss.append(float(trainer.callback_metrics["val_loss"]))

集成到Darts模型训练中

将自定义回调集成到Darts模型训练流程中有两种主要方式:

方法一:通过pl_trainer_kwargs参数

loss_logger = StepLossLogger()
model = TiDEModel(
    # 模型参数...
    pl_trainer_kwargs={"callbacks": [loss_logger]}
)
model.fit(...)

方法二:直接创建Trainer实例

loss_logger = StepLossLogger()
callbacks = [early_stopping, loss_logger]  # 可以与其他回调组合使用

trainer = pl.Trainer(
    devices=[0],  # 指定GPU设备
    callbacks=callbacks,
    max_epochs=100,
)

model.fit_from_dataset(
    train_dataset=train_data,
    val_dataset=val_data,
    trainer=trainer,
    verbose=True,
)

访问记录的损失数据

训练完成后,可以通过回调实例直接访问记录的损失数据:

# 获取训练损失
train_losses = loss_logger.train_loss

# 获取验证损失
val_losses = loss_logger.val_loss

# 获取对应的步数
train_steps = loss_logger.train_step
val_steps = loss_logger.val_step

实际应用建议

  1. 可视化损失曲线:使用Matplotlib或Seaborn绘制训练和验证损失曲线,直观观察模型收敛情况。

  2. 异常检测:监控损失值的异常波动,可能指示学习率设置不当或数据问题。

  3. 模型选择:基于验证损失选择最佳模型,避免过拟合。

  4. 训练过程分析:通过损失变化分析模型训练动态,如是否收敛、是否出现震荡等。

扩展功能

可以进一步扩展回调功能,例如:

  • 添加学习率记录
  • 实现自定义的早停策略
  • 记录模型权重分布
  • 实现训练过程的可视化

总结

通过PyTorch Lightning的回调机制,我们可以方便地在Darts项目中记录和分析训练过程中的各种指标。这种方法不仅适用于损失值记录,还可以扩展到其他训练指标的监控,为模型开发和调优提供有力支持。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K