用途:PyTorch Lightning 是构建在 PyTorch 之上的高层深度学习框架,让研究者专注于模型结构、损失函数与数据处理,而非重复编写训练循环、设备管理与分布式逻辑。
主要能力:以 LightningModule 组织 forward、training_step、validation_step 与 configure_optimizers;用 LightningDataModule 封装数据加载与划分;由 Trainer 统一编排训练,支持多 GPU/多节点(DDP、FSDP、DeepSpeed)、混合精度(如 16-mixed、bf16-mixed)、梯度累积与裁剪、早停、模型检查点与学习率监控,并可接入 Weights & Biases、MLflow、TensorBoard 等实验跟踪工具。
必要用法:安装方式为 pip install lightning,按需使用 pip install lightning[extra] 或 pip install lightning[all];要求 Python 3.9+、PyTorch 2.1+,GPU 训练需 CUDA 支持,可用 python -c "import torch; print(torch.cuda.is_available())" 检查。定义模型与数据模块后,用 trainer.fit(model, datamodule=data_module) 训练,trainer.test(..., ckpt_path="best") 测试;L.seed_everything(42, workers=True) 可提升复现性,save_hyperparameters() 自动保存超参数。
适用场景与限制:适合学术研究、可复现实验与从单卡到分布式、从本地到云端部署的训练;支持 GAN、强化学习等非标准流程(可关闭 automatic_optimization 并手动反向传播)。限制与收费、价格、性能保证等资料暂未提供。