NeuronTrainer
该 NeuronTrainer 类为功能齐全的 Transformers Trainer 提供了扩展的 API。它用于所有 示例脚本。
该 NeuronTrainer 类针对在 AWS Trainium 上运行的 🤗 Transformers 模型进行了优化。
以下是如何自定义 NeuronTrainer 以使用加权损失（在训练集不平衡时很有用）的示例
from torch import nn
from optimum.neuron import NeuronTrainer
class CustomNeuronTrainer(NeuronTrainer):
def compute_loss(self, model, inputs, return_outputs=False):
labels = inputs.get("labels")
# forward pass
outputs = model(**inputs)
logits = outputs.get("logits")
# compute custom loss (suppose one has 3 labels with different weights)
loss_fct = nn.CrossEntropyLoss(weight=torch.tensor([1.0, 2.0, 3.0]))
loss = loss_fct(logits.view(-1, self.model.config.num_labels), labels.view(-1))
return (loss, outputs) if return_outputs else loss自定义 PyTorch NeuronTrainer 的训练循环行为的另一种方法是使用 回调，这些回调可以检查训练循环状态（用于进度报告、TensorBoard 或其他机器学习平台上的日志记录……）并做出决策（例如提前停止）。
NeuronTrainer
适用于在 AWS Tranium 实例上执行训练的 Trainer。
适用于在 AWS Tranium 实例上执行训练的 Seq2SeqTrainer。