منصوبے کے بارے میں

PyTorch Lightning ایک ڈیپ لرننگ فریم ورک ہے جو کسی بھی سائز کے AI ماڈلز کو pretrain اور finetune کرنے کے لیے ڈیزائن کیا گیا ہے، اور کم سے کم کوڈ تبدیلیوں کے ساتھ ایک CPU سے ہزاروں GPUs تک اسکیل کرتا ہے۔ یہ PyTorch کوڈ کو منظم کرتا ہے تاکہ سائنسی ماڈل منطق کو انجینئرنگ انفراسٹرکچر سے الگ کیا جا سکے، اور backpropagation، mixed precision، multi-GPU، اور distributed training کو خودکار بناتا ہے۔ یہ پروجیکٹ دو بنیادی پیکجز پیش کرتا ہے: PyTorch Lightning، جو ایک اعلیٰ سطحی Trainer اور LightningModule abstraction فراہم کرتا ہے، اور Lightning Fabric، جو LLMs، diffusion models، اور transformers جیسے پیچیدہ ماڈلز کے لیے تربیتی لوپ اور اسکیلنگ حکمت عملی پر ماہرانہ کنٹرول دیتا ہے۔ صارفین اپنی ضرورت کے مطابق abstraction کی سطح منتخب کر سکتے ہیں۔ اہم خصوصیات میں CPU، GPU، TPU، اور multi-node setups پر hardware-agnostic تربیت؛ DDP، FSDP، اور DeepSpeed جیسی distributed حکمت عملیوں کی حمایت؛ mixed precision؛ experiment logging integrations؛ early stopping؛ checkpointing؛ اور TorchScript یا ONNX میں export شامل ہیں۔ README کے مطابق خالص PyTorch کے مقابلے میں چلنے کی رفتار کا overhead کم سے کم ہے۔ تنصیب pip یا conda کے ذریعے کی جاتی ہے۔ ریپوزٹری میں متعدد مثالیں شامل ہیں جن میں image classification، segmentation، object detection، text classification، summarization، audio generation، LLM finetuning، image generation، recommendation systems، اور time-series forecasting شامل ہیں۔ یہ Apache 2.0 کے تحت لائسنس یافتہ ہے اور Python اور PyTorch ورژنز، آپریٹنگ سسٹمز، اور hardware accelerators پر سختی سے ٹیسٹ کیا گیا ہے۔