Trainer
用于模型训练。
- class mindnlp.engine.trainer.Trainer(network=None, train_dataset=None, eval_dataset=None, metrics=None, epochs=10, loss_fn=None, optimizer=None, callbacks=None, jit=False)[源代码]
基类：
object用于模型训练的训练器。
- 参数
network (Cell) – 用于训练的模型网络。
train_dataset (Dataset) – 训练数据集迭代器。如果定义了 loss_fn，数据和标签将分别传递给 network 和 loss_fn，所以应该从数据集中返回一个元组（数据，标签）。如果有多个数据或标签，将`loss_fn`设置为None，并在`network`中实现loss的计算，然后将一个元组（data1，data2，data3，…）从数据集返回的所有数据传递给` 网络`。
eval_dataset (Dataset) – 测试数据集迭代器。如果定义了 loss_fn，数据和标签将分别传递给 network 和 loss_fn，所以应该从数据集中返回一个元组（数据，标签）。如果有多个数据或标签，将`loss_fn`设置为None，并在`network`中实现loss的计算，然后将一个元组（data1，data2，data3，…）从数据集返回的所有数据传递给` 网络`。
metrics (Optional[list[Metrics], Metrics]) – 评估时应使用的评测指标对象列表。 默认值：无。
epochs (int) – 数据的总迭代次数。 默认值：10。
optimizer (Cell) – 用于更新权重的优化器。如果 optimizer 为 None，则 network 需要进行反向传播和更新权重。 默认值：无。
loss_fn (Cell) – 目标函数。 如果 loss_fn 为 None，则 network 应包含损失计算和并行计算（如果需要）。 默认值：无。
callbacks (Optional[list[Callback], Callback]) – 在模型训练过程中应当执行的回调函数方法列表。默认值：无。
jit (bool) – 是否使用Just-In-Time编译模式。