user@devops:~$ cat README.md
PyTorch Lightning
# Descripción
Proyecto completo de PyTorch Lightning, el framework que profesionaliza el entrenamiento de modelos PyTorch eliminando boilerplate. Entrena una CNN con Batch Normalization y Dropout sobre Fashion MNIST (70,000 imágenes, 10 clases) usando LightningDataModule para pipeline de datos modular, LightningModule para definición del modelo con training/validation/test steps, y Trainer API con max_epochs=5. Incluye ModelCheckpoint (top-2 por val_acc), EarlyStopping (paciencia 5), LearningRateMonitor, ReduceLROnPlateau scheduler, TensorBoard logging, TorchMetrics acumulables (MulticlassAccuracy), y Callback personalizado TimeCallback. Resultado: 91.17% test accuracy con solo 5 epochs en CPU. Incluye 5 visualizaciones: muestras del dataset, matriz de confusión, curvas de aprendizaje, grid de predicciones vs reales, y diagrama de la arquitectura CNN.
# Características principales
$ LightningDataModule: descarga, transforms, splits 85/15, dataloaders con multi-workers
$ LightningModule: definición del modelo con training_step, validation_step, test_step
$ Trainer API: fit sin boilerplate, accelerator='auto', deterministic=True
$ ModelCheckpoint: top-2 checkpoints monitorizando val_acc
$ EarlyStopping: parada temprana por val_loss con paciencia 5
$ ReduceLROnPlateau: scheduler adaptativo que reduce LR al estancarse
$ TensorBoard Logger + LearningRateMonitor: logging profesional
$ TorchMetrics: Accuracy acumulable para train/val/test
$ Callback personalizado: TimeCallback registra tiempo por epoch y total
$ 5 visualizaciones: samples, confusión, curvas, predicciones, arquitectura
# Galería
# Tecnologías utilizadas
