pip install torchtnt

conda install -c conda-forge torchtnt

pip install git+https://github.com/pytorch/tnt.git@master

pip install --upgrade git+https://github.com/pytorch/tnt.git@master

TNT 快速上手指南

TNT (torchtnt) 是一个专为 PyTorch 设计的训练工具与实用程序库，旨在简化模型训练流程。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：建议 Python 3.8 及以上
• 前置依赖：必须先安装 PyTorch。
  • 如果尚未安装 PyTorch，请访问 PyTorch 官网 获取适合您环境的安装命令。
  • 国内加速建议：安装 PyTorch 时可使用清华或中科大镜像源加速（例如在 pip 命令后添加 -i https://pypi.tuna.tsinghua.edu.cn/simple）。

安装步骤

您可以选择以下任意一种方式安装 TNT：

方式一：使用 pip 安装（推荐）

pip install torchtnt

国内用户加速安装：

pip install torchtnt -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：使用 Conda 安装

conda install -c conda-forge torchtnt

方式三：安装最新开发版 (Master 分支)

如果您需要体验最新功能，可以直接从 GitHub 源码安装：

pip install git+https://github.com/pytorch/tnt.git@master

更新到最新版本：

pip install --upgrade git+https://github.com/pytorch/tnt.git@master

基本使用

TNT 提供了高级抽象来构建训练循环。以下是一个最简化的使用示例，展示如何初始化 Trainer 并开始训练：

import torch
import torch.nn as nn
from torchtnt import Trainer
from torchtnt.utils import ModuleWrapper

# 1. 定义一个简单的模型
class SimpleModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = nn.Linear(10, 1)
    
    def forward(self, x):
        return self.linear(x)

model = SimpleModel()

# 2. 包装模型 (TNT 通常需要模块包装器)
wrapped_model = ModuleWrapper(model)

# 3. 初始化 Trainer
# 这里仅做演示，实际使用中需配置具体的 TrainLoop, EvalLoop, Optimizer 等组件
trainer = Trainer(
    module=wrapped_model,
    # 此处省略具体的 train_loop, eval_loop, optimizer 等配置以保持示例简洁
    # 完整用法请参考官方文档配置具体的训练策略
)

# 4. 开始训练
# trainer.fit(train_dataloader, val_dataloader) 
print("TNT 已就绪，请配置具体的训练循环组件后调用 trainer.fit()")

提示：TNT 的核心优势在于其可组合的训练循环组件（如 TrainLoop, EvalLoop）。在实际项目中，您需要根据具体任务实例化这些组件并传入 Trainer。详细的高级用法请参阅 官方文档。