PyToune 是一个类 Keras 的 Pytorch 深度学习框架，可用来处理训练神经网络所需的大部分模板代码。
用 PyToune 你可以：
- 更容易地训练模型
- 用回调来保存你最好的模型，执行 early stopping 方法等
Pytoune 官方页面：http://pytoune.org/
Pytoune Github 页面：https://github.com/GRAAL-Research/pytoune
Pytoune 兼容 PyTorch >= 0.3.0 版本和 Python >= 3.5 版本。
入门：快速上手 PyToune
PyToune 的核心数据结构是一种 Model，一种训练你的神经网络的方法。创建 PyToune 的方法和平常创建 PyTorch 模块（神经网络）的方式一样，但是你花时间去训练它，将其反馈到 PyToune 模型中，它会处理所有的步骤、统计数据、回调，就像 Keras 那样。
下面是个示例：
代码语言：javascript复制# Import the PyToune Model and define a toy dataset
from pytoune.framework import Model
num_train_samples = 800
train_x = torch.rand(num_train_samples, num_features)
train_y = torch.rand(num_train_samples, 1)
num_valid_samples = 200
valid_x = torch.rand(num_valid_samples, num_features)
valid_y = torch.rand(num_valid_samples, 1)创建你自己的 PyTorch 神经网络，一个损失函数和优化器：
代码语言：javascript复制pytorch_module = torch.nn.Linear(num_features, 1)
loss_function = torch.nn.MSELoss()
optimizer = torch.optim.SGD(pytorch_module.parameters(), lr=1e-3)你可以用 PyToune 非常容易地训练神经网络：
代码语言：javascript复制model = Model(pytorch_module, optimizer, loss_function)
model.fit(
train_x, train_y,
validation_x=valid_x,
validation_y=valid_y,
epochs=num_epochs,
batch_size=batch_size
)这与 Keras 中的 model.compile 函数非常相似：
代码语言：javascript复制# Keras way to compile and train
model.compile(loss='categorical_crossentropy',
optimizer='sgd',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5, batch_size=32)你可以使用 PyToune 模型的评估方法评估你的网络的性能：
代码语言：javascript复制loss_and_metrics = model.evaluate(x_test, y_test)或者只预测新数据：
代码语言：javascript复制predictions = model.predict(x_test)正如你所见，PyToune 受到 Keras 很多启发，详细信息，请参阅 PyToune.org 上的 PyToune 文档。
安装
在使用 PyToune 之前，你应该先装上 PyTorch 0.3.0。
安装稳定的 PyToune 版本：
代码语言：javascript复制pip install pytoune安装最新的 PyToune：
代码语言：javascript复制pip install -U git https://github.com/GRAAL-Research/pytoune.git为什么叫 PyToune
PyToune（或 Québécois 的 pitoune）曾指代的是河流里的原木，用河流运输原木是非常有效的一种运输方式。PyToune 的作者希望 PyToune 能够帮助开发者更加方便地训练神经网络模型，就像「pitoune」那样。
