ADD: background.md

background.md

@@ -0,0 +1,26 @@
+## 背景
+
+使用 PyTorch（一个深度学习框架，主要提供矩阵的计算和自动求导的功能） 打过几次竞赛后，发现写了很多重复代码，于是中途抽空把这些重复代码抽了出来开源了 Minetorch，目前 Minetorch 主要提供了这些功能：
+
+1. 日志
+2. 数据预处理「数据流」
+3. 自动保存训练模型
+4. 标准的训练流程，以及在这个流程上提供很多hooks来让用户customize
+5. Drawer，绘图工具，可以生成 png 或实时的在线的表格（依赖 tensorboard）
+
+使用当前版本的 Minetorch，用户只需要创建4个实例，分别是：数据加载器、模型、优化器、损失函数，然后用这几个实例来创建一个 `minetorch.Trainer` 实例，并调用 Trainer 实例的 `train()` 方法就可以了。
+
+Trainer 会自动调用数据加载器，把数据加载器加载的数据喂给模型，再调用损失函数计算损失值，然后用优化器去优化模型。
+
+## 还剩什么问题
+
+在实际的训练或竞赛中，会经常调参，调参完之后需要重新训练模型，这个过程会反复重复；然后高级调参工程师一般还会有一个 Excel，来记录每一次试验的参数和结果；因为需要反复调参，反复改动代码，就算是资深的调参工程师都很难保证一个干净的代码仓库，
+经常是改了半天的参数，然后想再复现两三天前的一个实验结果，就完全忘记当时用的什么代码，就再也回不去了。
+
+
+## 提供方案
+
+1. Web Dashboard，不仅要提供目前已有的可视化训练过程（主要是损失曲线），还要提供数据流的可视化，训练数据可视化。Dashboard 上可以直接新建/编辑试验（调参），开始/暂停训练 etc...
+2. 每次训练的数据、用到的组件（代码）、结果、和最后产出的模型，需要做 snapshot 并保存下来，用户随时回到历史任意一次的训练环境。
+3. ...
+