Référence de la classe aidge_in_space.training.config.TrainConfig

Réglages d'un entraînement ; les défauts reprennent le notebook (cellule 4, mode GPU complet). Plus de détails...

Fonctions membres publiques
None	__post_init__ (self)
	Normalise name et author (strip) et les types numériques, puis appelle validate().
None	validate (self)
	Vérifie les types et les plages de chaque champ.
"TrainConfig"	from_dict (cls, dict d)
	Construit une configuration depuis un dictionnaire ; les champs absents prennent leur défaut.
"TrainConfig"	from_yaml (cls, path)
	Lit une configuration YAML (UTF-8).
dict	to_dict (self)
	Tous les champs en types Python natifs (lmbda entier s'il l'est), sérialisable en JSON.
str	to_yaml (self, path=None)
	YAML de to_dict() (ordre des champs, accents conservés).
dict	to_cfg_dict (self)
	Dictionnaire cfg du checkpoint : to_dict() sans name ni author (ils vont dans run).
str	mode (self)
	Mode d'image de aidge_in_space.images : "gris" si in_ch vaut 1, sinon "rgb".

Attributs publics statiques
str	name = ""
	Nom du run (facultatif ici ; obligatoire pour un job) : regroupe les checkpoints en série dans le banc.
str	author = ""
	Auteur (facultatif).
str	train_dir = "data/train"
	Dossier des images d'entraînement, relatif à config.ROOT ou absolu.
str	eval_dir = "data/kodak"
	Dossier des images d'évaluation (Kodak par défaut), relatif à config.ROOT ou absolu.
int	in_ch = 1
	Canaux de l'image : 1 = niveaux de gris, 3 = RGB.
int	N = 128
	Canaux internes et du latent.
bool	gdn_last = True
	GDN après la 3e convolution (article) ; False = variante sans dernière GDN.
float	lmbda = 2048
	Compromis débit / distorsion : perte = λ·MSE + bpp.
int	crop = 256
	Côté des patchs d'entraînement (multiple de 16).
int	batch_size = 16
	Patchs par lot.
float	lr = 1e-4
	Pas d'apprentissage d'Adam.
int	steps = 50_000
	Nombre de pas d'entraînement.
float	lr_decay_at = 0.8
	Fraction des pas après laquelle le pas d'apprentissage est divisé par 10.
float	grad_clip = 5.0
	Écrêtage des valeurs des gradients.
int	eval_every = 2_500
	Évaluation tous les eval_every pas.
int	n_patches = 8_000
	Patchs pré-extraits gardés sur le device (8000 de 256 x 256 en uint8 = 500 Mo).
int	seed = 1234
	Graine des générateurs aléatoires.
int	log_every = 200
	Journal tous les log_every pas.
int	save_every = 5_000
	Sauvegarde du checkpoint tous les save_every pas.
int	n_eval_images = 4
	Nombre d'images d'évaluation.

Description détaillée

Réglages d'un entraînement ; les défauts reprennent le notebook (cellule 4, mode GPU complet).

Documentation des fonctions membres

__post_init__()

None aidge_in_space.training.config.TrainConfig.__post_init__

(

self

)

Normalise name et author (strip) et les types numériques, puis appelle validate().

Exceptions

ConfigError

si un champ est invalide.

from_dict()

"TrainConfig" aidge_in_space.training.config.TrainConfig.from_dict	(		cls,
		dict	d )

Construit une configuration depuis un dictionnaire ; les champs absents prennent leur défaut.

Paramètres

d	Dictionnaire des champs.

Renvoie

La configuration validée.

Exceptions

ConfigError

si une clé est inconnue, un type ou une valeur invalide.

from_yaml()

"TrainConfig" aidge_in_space.training.config.TrainConfig.from_yaml	(		cls,
			path )

Lit une configuration YAML (UTF-8).

Paramètres

path	Fichier YAML.

Renvoie

La configuration validée.

Exceptions

FileNotFoundError	si le fichier est absent.
ConfigError	si le YAML est illisible ou si sa racine n'est pas un dictionnaire.

to_dict()

dict aidge_in_space.training.config.TrainConfig.to_dict

(

self

)

Tous les champs en types Python natifs (lmbda entier s'il l'est), sérialisable en JSON.

Renvoie

Dictionnaire dans l'ordre des champs.

to_yaml()

str aidge_in_space.training.config.TrainConfig.to_yaml	(		self,
			path = None )

YAML de to_dict() (ordre des champs, accents conservés).

Paramètres

path	Si donné, le texte est aussi écrit dans ce fichier (UTF-8).

Renvoie

Le texte YAML.

Exceptions

OSError

si l'écriture échoue.

validate()

None aidge_in_space.training.config.TrainConfig.validate

(

self

)

Vérifie les types et les plages de chaque champ.

Exceptions

ConfigError

au premier champ invalide, avec un message « champ : problème (reçu valeur) ».

---

La documentation de cette classe a été générée à partir du fichier suivant :

• training/config.py