【隆重发布】Facebook 发布深度学习工具包PyTorch Hub,让论文复现变得更容易,一行代码调用经典模型
可以加群264191384 注明(pytorch)
-
6月11日,Facebook PyTorch 团队发布了一个深度学习工具包 PyTorchHub, 帮助机器学习工作者更快实现重要论文的复现工作。PyTorchHub 由一个预训练模型仓库组成,专门用于提高研究工作的复现性以及新的研究。同时它还内置了对Google Colab的支持,并与Papers With Code集成。目前 PyTorchHub 包括了一系列与图像分类、分割、生成以及转换相关的模型另外重要的一点是,它的整个工作流程大大简化。
简化到什么程度呢?Facebook 首席 AI 科学家Yann LeCun 兼图灵奖图灵奖得主Yann LeCun发表 Twitter强烈推荐,使用PyTorch Hub,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。
这个模型聚合中心到底如何呢?我们来一探究竟。
=============
使用PyTorch Hub进行可重复研究
再现性是许多研究领域的基本要求,包括基于机器学习技术的研究领域。然而,许多机器学习出版物要么不可再现,要么难以复制。随着研究出版物数量的不断增加,包括现在在arXiv上发表的数万篇论文以及提交给历史最高级别会议的论文,研究再现性比以往任何时候都更加重要。虽然这些出版物中的许多都伴随着代码以及训练有素的模型,这些模型虽然有用但仍留有许多步骤供用户自己解决。
我们很高兴地宣布推出PyTorch Hub,这是一个简单的API和工作流程,为改善机器学习研究的可重复性提供了基本的构建模块。PyTorch Hub包含一个经过预先培训的模型库,专门用于促进研究的可重复性和新的研究。它还内置了对Colab的支持,与Papers With Code集成,目前包含一系列广泛的模型,包括分类和分段,生成,变换器等。
[所有者]发布模型
PyTorch Hub支持通过添加简单hubconf.py
文件将预先训练的模型(模型定义和预先训练的权重)发布到GitHub存储库。这提供了要支持哪些模型的枚举以及运行模型所需的依赖项列表。可以在torchvision,huggingface-bert和gan-model-zoo存储库中找到示例。
让我们看看最简单的案例:torchvision
's hubconf.py
: