| name | corn-training-internals |
| description | Use when reading or editing src/training/*, scripts/pipeline/train.py, or scripts/pipeline/train_baselines.py - covers class-balancing via WeightedRandomSampler, shared training utilities, and run/output versioning for the corn leaf disease project. |
Corn Training Internals
Balanceo de clases
Lo hace el WeightedRandomSampler (+ augmentation de minoritarias, ver skill corn-data-pipeline); la loss NO se pondera además por frecuencia - sería doble compensación. El sampler se desactiva automáticamente cuando el split está balanceado (build_weighted_sampler devuelve None si no hay clases minoritarias) y el DataLoader usa shuffle=True, para no reducir la cobertura por época con replacement=True.
Utilidades comunes (src/training/common.py)
resolve_model_names, worker_init_fn, select_device, generate_run_id, build_run_dir, update_latest_pointer, resolve_run_dir - compartidas por train.py y train_baselines.py; no duplicarlas en los scripts.
worker_init_fn deriva de torch.initial_seed(): nunca sembrar workers con una semilla fija - los workers renacen cada época y repetirían idéntica la secuencia de augmentation.
Versionado de corridas
Cada entrenamiento de un modelo escribe en outputs/<pipeline>/<modelo>/<run_id>/ (run_id = timestamp YYYYMMDD_HHMMSS), nunca sobrescribe corridas previas. outputs/<pipeline>/<modelo>/latest.json apunta a la corrida más reciente (resolve_run_dir la lee cuando no se pasa --run).
