【pytorch】——torch.hub
Facebook官方博客表示,PyTorch Hub是一个简易API和工作流程,为复现研究提供了基本构建模块,包含预训练模型库。并且,PyTorch Hub还支持Colab,能与论文代码结合网站Papers With Code集成,用于更广泛的研究。发布首日已有18个模型“入驻”,获得英伟达官方力挺。而且Facebook还鼓励论文发布者把自己的模型发布到这里来,让PyTorch Hub越来越强大。
torch.hub
PyTorch Hub中提供的模型也支持Colab。进入每个模型的介绍页面后,你不仅可以看到GitHub代码页的入口,
甚至可以一键进入Colab运行模型Demo。
为了调用各种经典机器学习模型,今后你不必重复造轮子了。
刚刚,Facebook宣布推出PyTorch Hub,一个包含计算机视觉、自然语言处理领域的诸多经典模型的聚合中心, 让你调用起来更方便。
有多方便?
图灵奖得主Yann LeCun强烈推荐,无论是ResNet、BERT、GPT、VGG、PGAN还是MobileNet等经典模型,只需输入一行代码,就能实现一键调用。
PyTorch Hub的使用简单到不能再简单,不需要下载模型,只用了一个torch.hub.load()就完成了对图像分类模型AlexNet的调用。
import torch
model = torch. hub. load( 'pytorch/vision' , 'alexnet' , pretrained= True )
model. eval ( )
PyTorch Hub允许用户对已发布的模型执行以下操作:
1、查询可用的模型;
2、加载模型;
3、查询模型中可用的方法。
下面让我们来看看每个应用的实例。
1、查询可用的模型
用户可以使用torch.hub.list()这个API列出repo中所有可用的入口点。
比如你想知道PyTorch Hub中有哪些可用的计算机视觉模型:
torch. hub. list ( 'pytorch/vision' )
[ 'alexnet' ,
'deeplabv3_resnet101' ,
'densenet121' ,
. . .
'vgg16' ,
'vgg16_bn' ,
'vgg19' ,
'vgg19_bn' ]
2、加载模型
在上一步中能看到所有可用的计算机视觉模型,如果想调用其中的一个,也不必安装,只需一句话就能加载模型。
model = torch. hub. load( 'pytorch/vision' , 'deeplabv3_resnet101' , pretrained= True )
至于如何获得此模型的详细帮助信息,可以使用下面的API:
print ( torch. hub. help ( 'pytorch/vision' , 'deeplabv3_resnet101' ) )
如果模型的发布者后续加入错误修复和性能改进,用户也可以非常简单地获取更新,确保自己用到的是最新版本:
model = torch. hub. load( . . . , force_reload= True )
对于另外一部分用户来说,稳定性更加重要,他们有时候需要调用特定分支的代码。例如pytorch_GAN_zoo的hub分支:
model = torch. hub. load( 'facebookresearch/pytorch_GAN_zoo:hub' , 'DCGAN' , pretrained= True )
3、查看模型可用方法
从PyTorch Hub加载模型后,你可以用dir(model)查看模型的所有可用方法。以bertForMaskedLM模型为例:
dir ( model)
[ 'forward'
. . .
'to'
'state_dict' ,
]
如果你对forward方法感兴趣,使用help(model.forward) 了解运行运行该方法所需的参数:
help ( model. forward)
Help on method forward in module pytorch_pretrained_bert. modeling:
forward( input_ids, token_type_ids= None , attention_mask= None , masked_lm_labels= None )