torch4keras

• 增加check_url_available_cached
• 修复Timeit

小修改

• print_table允许中文
• 未安装torch时候仅提醒一次

trainer中可调用nn.Module方法，增加AutoTrainer

1. 去除对torch依赖,snippets部分可用；
2. 移动bert4torch中snippets

bug修复

• 优化deepspeed的使用
• 修复_prepare_inputs的bug
• 修复断点续训SmoothMetricsCallback起点错误的bug

新增功能

• Trainer断点续训记录batch数
• 增加YamlConfig和IniConfig

修复bug

• 避免训练空数据集error
• 修改run_callback=False的bug
• 修复ddp中mix_precision和torch的ddp重名导致的bug

功能优化

• 默认指标使用滑窗平滑，记录过去interval窗口内的平均指标
• BaseModelDDP修改的更易用，增加init_process_group
• mapping允许是函数（DDP训练的模型等更方便加载）

新增功能

• 训练异常时保存权重；训练异常时候可以保存当前batch数据用于debug
• Checkpoint的Callback增加save_on_train_end
• 增加SystemCallback用于监控gpu, cpu，内存等占用

fit中修改.train()逻辑较少耗时

增加Timeit, Timeit2, timeid等时间/速度监控

重新整理snippets, 重写save_pretrained

• 增加SimpleStreamFileLogger和LoggerHandler
• 修改Logger的格式

1. 监控fit过程，有报错则发送邮件提醒;
2. 解决torch2.0的compile冲突问题
3. 修复clip_grad_norm的bug

进度条中显示已经训练的时间

History增加plot()方法, 增加add_module()方法，修复0.1.4的_argparse_forward的bug, 增加loss2metrics

增加from_pretrained和save_pretrained方法，增加log_warn_once方法，compile()中可设置成员变量，默认move_to_model_device设置为True, 增加JsonConfig，增加_argparse_forward()方便下游继承改写Trainer

compile()可不传参，interval不一致报warning, 去除部分self.vars, 调整move_to_model_device逻辑，DDP每个epoch重新设置随机数，save_weights()和load_weights()可以按照pretrained格式

代码结构调整，增加trainer.py文件，方便下游集成

修复DeepSpeedTrainer，修复DDP

增加指标平滑的SmoothMetricCallback，统一管理指标平滑的问题, 增加SKIP_METRICS，NO_SMOOTH_METRICS，ROUND_PRECISION，默认对指标会进行平滑，修改tensorboard和wandb的callback, 允许跳过nan的指标, Tensorboard可以记录gpu等系统信息

修复v0.1.0的bug，主要是进度条和log的标签平滑的问题

允许调整进度条的显示参数, 进度条和日志同步（如果进度条平滑了则日志也平滑）, 自动把tensor转到model.device上, 允许打印第一个batch来检查样本