torchline：让Pytorch使用的更加顺滑

相信大家平时在使用Pytorch搭建网络时，多少还是会觉得繁琐，因为我们需要搭建数据读取，模型，训练，checkpoints保存等等一系列模块。每当切换到新的任务后很多情况下之前的代码不能复用，或者说要复用就需要做很多地方的修改，到最后还不如重新写一遍。所幸，pytorch_lightning让这一过程简化了很多，相信如果你用过这个库你也会体验到它的方便性。但是torchline的存在是让你使用Pytorch更加的顺滑舒畅。

torchline基于pytorch_lightning (PL)开发，整个库的结构设计借鉴了detectron2，具体可以阅读下面几篇文章进行了解：

• Detectron2源码阅读笔记-(一)Config&Trainer
• Detectron2源码阅读笔记-(二)Registry&build_*方法
• Detectron2源码阅读笔记-（三）Dataset pipeline

如下图所示，灰色部分 PL 可以自动完成。我们需要做的，差不多也就加载数据、定义模型、确定训练和验证过程

torchline则进一步简化，而且可以让你的模型复用性更高。

以构建模型为例进行大致的介绍(细节可以去github查看)，假如你之前创建了一个MyModel的模型，之后如果你想使用这个模型，你只需要在config文件中将MODEL.NAME修改成MyModel（即只是修改字符串的值，之后torchline会自动切换模型）。

总的来说，pytorch_lightning有的torchline肯定都有哈哈哈，但是使用起来代码复用性和易用性更高，欢迎去github品尝，觉得好用麻烦star，也欢迎issue讨论。