Facebook的人工智能研究部門(mén)近期推出Pythia，一個(gè)模塊化的即插即用框架。目標(biāo)是使數(shù)據(jù)科學(xué)家能夠快速構(gòu)建、復(fù)制和基準(zhǔn)人工智能模型，將VQA v2.0數(shù)據(jù)集模型的性能從65.67%提高到70.22%，已在Github上開(kāi)源。

Facebook最近在開(kāi)發(fā)者社區(qū)拋出了一系列工具。繼一月份image processing library Spectrum、去年底的自然語(yǔ)言處理建?？蚣躊yText和11月的人工智能增強(qiáng)學(xué)習(xí)平臺(tái)Horizon的開(kāi)源后，F(xiàn)acebook的人工智能研究部門(mén)又推出了Pythia，一個(gè)模塊化的即插即用框架。

Pythia的目標(biāo)是使數(shù)據(jù)科學(xué)家能夠快速構(gòu)建、復(fù)制和基準(zhǔn)人工智能模型，已在Github上開(kāi)源。

而Pythia（中文一般譯作皮媞亞）這個(gè)名字的來(lái)歷也很有意思。古希臘神話中，Pythia是阿波羅神的女祭司，服務(wù)于帕納塞斯山上的德?tīng)栰常―elphi）神廟，以傳達(dá)阿波羅神的神諭而聞名，被認(rèn)為能預(yù)知未來(lái)。

即插即用Pythia：讓數(shù)據(jù)科學(xué)家快速構(gòu)建、復(fù)制和基準(zhǔn)AI模型

Pythia是什么？

Pythia是一個(gè)深度學(xué)習(xí)框架，支持視覺(jué)和語(yǔ)言領(lǐng)域的多任務(wù)處理?；赑yTorch 框架，模塊化即插即用的設(shè)計(jì)使研究人員能夠快速構(gòu)建、復(fù)制和基準(zhǔn)化人工智能模型。

Pythia是為視覺(jué)和語(yǔ)言任務(wù)而設(shè)計(jì)的，例如回答與視覺(jué)數(shù)據(jù)相關(guān)的問(wèn)題和自動(dòng)生成圖像注釋。

Pythia能做什么？

Pythia加入了最近的人工智能競(jìng)賽（2018年VQA挑戰(zhàn)賽和2018年Vizwiz挑戰(zhàn)賽）中獲獎(jiǎng)作品的元素。功能包括用參考實(shí)現(xiàn)（reference implementations）來(lái)顯示以前最先進(jìn)的模型如何實(shí)現(xiàn)相關(guān)的基準(zhǔn)結(jié)果，并快速衡量新模型的性能。

除了多任務(wù)處理之外，Pythia還支持分布式培訓(xùn)和各種數(shù)據(jù)集，以及自定義損失、度量、調(diào)度（scheduling）和優(yōu)化器。

Pythia的特性

Model Zoo：藝術(shù)級(jí)的視覺(jué)和語(yǔ)言模型的參考實(shí)現(xiàn)，包括LoRRA（VQA和TextVQA上的SoTA）、Pythia模型（VQA 2018 挑戰(zhàn)賽獲勝者）和Ban。

多任務(wù)處理：支持多任務(wù)處理，允許對(duì)多個(gè)數(shù)據(jù)集進(jìn)行訓(xùn)練。

數(shù)據(jù)集：包括對(duì)各種內(nèi)置數(shù)據(jù)集的支持，包括VQA, VizWiz, TextVQA and和VisualDialog。

模塊：為視覺(jué)和語(yǔ)言領(lǐng)域中的許多常用層提供實(shí)現(xiàn)

分布式：支持基于數(shù)據(jù)并行和分布式數(shù)據(jù)并行的分布式訓(xùn)練。

Unopinionated：關(guān)于基于它的數(shù)據(jù)集和模型實(shí)現(xiàn)是Unopinionated。

定制：定制損失、度量、調(diào)度、優(yōu)化器、Tensorboard；適合用戶所有的定制需求。

用戶可以使用Pythia為自己下一個(gè)視覺(jué)和語(yǔ)言多模式研究項(xiàng)目進(jìn)行引導(dǎo)。Pythia還可以作為圍繞視覺(jué)和語(yǔ)言數(shù)據(jù)集的挑戰(zhàn)的起始代碼庫(kù)（參見(jiàn)TextVQA挑戰(zhàn)賽和VQA挑戰(zhàn)賽）。

Pythia最厲害的地方是什么？

Pythia簡(jiǎn)化了進(jìn)入視覺(jué)和語(yǔ)言發(fā)展子領(lǐng)域的過(guò)程，使研究人員能夠?qū)Ｗ⒂诟斓脑椭谱骱蛯?shí)驗(yàn)。Facebook的目標(biāo)是通過(guò)增加這些模型和結(jié)果的再現(xiàn)性來(lái)加速進(jìn)展。這將使社區(qū)更容易建立成功系統(tǒng)的基礎(chǔ)和基準(zhǔn)。

開(kāi)發(fā)者還希望通過(guò)Pythia消除障礙，能夠使研究人員更快地為人們和智能機(jī)器開(kāi)發(fā)新的交流方式。這項(xiàng)工作還應(yīng)該幫助研究人員開(kāi)發(fā)自適應(yīng)人工智能，將多種理解合成一種更基于上下文的多模式理解。除了這個(gè)開(kāi)源版本，F(xiàn)acebook計(jì)劃繼續(xù)添加工具、任務(wù)、數(shù)據(jù)集和引用模型。

在上面提到的VQA 2018比賽中，Pythia v0.1出發(fā)點(diǎn)是自下而上、自上而下模型的模塊化重新實(shí)現(xiàn)，最終力壓群雄而勝出。

Pythia v0.1證明，通過(guò)對(duì)模型體系結(jié)構(gòu)和學(xué)習(xí)速率計(jì)劃進(jìn)行細(xì)微但重要的更改、微調(diào)圖像功能和添加數(shù)據(jù)擴(kuò)充，可以顯著提高VQA v2.0數(shù)據(jù)集自上而下模型的性能，從65.67%提高到70.22%。

此外，通過(guò)使用不同特征和不同數(shù)據(jù)集訓(xùn)練的不同模型集合，Pythia v0.1能夠顯著提高1.31%的“標(biāo)準(zhǔn)”集合方式（即具有不同隨機(jī)種子的相同模型）?？偟膩?lái)說(shuō)，Pythia v0.1在VQA v2.0數(shù)據(jù)集的測(cè)試標(biāo)準(zhǔn)分割上達(dá)到了72.27%。

術(shù)語(yǔ)和概念

Pythia經(jīng)過(guò)精心設(shè)計(jì)，從一開(kāi)始就是一個(gè)多任務(wù)框架。這意味著使用Pythia，可以一起訓(xùn)練多個(gè)任務(wù)和數(shù)據(jù)集。

但是，Pythia在其模塊中抽象了許多概念，在Pythia之上進(jìn)行開(kāi)發(fā)，有必要理解Pythia代碼庫(kù)中使用的概念和術(shù)語(yǔ)。一旦開(kāi)發(fā)人員理解了這些簡(jiǎn)單的概念，就很容易在Pythia之上進(jìn)行開(kāi)發(fā)。其中主要概念和術(shù)語(yǔ)如下：

任務(wù)和數(shù)據(jù)集

在Pythia中，數(shù)據(jù)集被劃分為一組任務(wù)。因此，任務(wù)對(duì)應(yīng)屬于它的數(shù)據(jù)集的集合。例如，VQA 2.0，VizWiz和TextVQA都屬于VQA任務(wù)。 已為每個(gè)任務(wù)和數(shù)據(jù)集分配了一個(gè)唯一key，用于在命令行參數(shù)中引用。

下表顯示了任務(wù)及其數(shù)據(jù)集：

下表顯示了上表的反轉(zhuǎn)，數(shù)據(jù)集及其任務(wù)和key：

模型

已經(jīng)包括了最先進(jìn)模型的參考實(shí)施，作為研究論文復(fù)制和新研究起點(diǎn)的基礎(chǔ)。Pythia曾被用于以下論文：

走向可以閱讀的VQA模型（LoRRA模型）

VQA 2018挑戰(zhàn)賽冠軍

VizWiz 2018挑戰(zhàn)賽冠軍

與任務(wù)和數(shù)據(jù)集類似，每個(gè)模型都使用唯一key進(jìn)行注冊(cè)，以便在配置和命令行參數(shù)中輕松引用。下表顯示了可以運(yùn)行的每個(gè)模型的關(guān)鍵名稱和數(shù)據(jù)集。

注冊(cè)表

受到Redux全球商店的啟發(fā)，Pythia生態(tài)系統(tǒng)所需的有用信息已在注冊(cè)表中注冊(cè)?？梢詫⒆?cè)表視為框架的多個(gè)部分所需的信息的通用存儲(chǔ)，并在需要該信息的任何地方起作用信息源。

注冊(cè)表還基于如上所述的唯一密鑰來(lái)注冊(cè)模型、任務(wù)、數(shù)據(jù)集等。 注冊(cè)表的函數(shù)可以用作需要注冊(cè)的類的裝飾器（例如模型等）

導(dǎo)入注冊(cè)表對(duì)象導(dǎo)入：

from pythia.common.registry import registry

配置

根據(jù)研究需要，Pythia中的大多數(shù)參數(shù)/設(shè)置都是可配置的。 Pythia特定的默認(rèn)值（training_parameters）存在于：

pythia/common/defaults/configs/base.yml

其中詳細(xì)的注釋描述了每個(gè)參數(shù)的用法。為了便于使用和模塊化，每個(gè)數(shù)據(jù)集的配置分別保存在：

pythia/common/defaults/configs/tasks/[task]/[dataset].yml

可以從Tasks中的表中獲取數(shù)據(jù)集的[task]值和數(shù)據(jù)集部分。模型配置也是分開(kāi)的，并且是用戶在創(chuàng)建自己的模型時(shí)需要定義的部分。

由于每個(gè)數(shù)據(jù)集的單獨(dú)配置，這個(gè)概念可以擴(kuò)展到執(zhí)行多任務(wù)并在此包含多個(gè)數(shù)據(jù)集配置。

處理器

處理器的主要目的是使數(shù)據(jù)處理流程盡可能與不同數(shù)據(jù)集相似，并允許代碼重用。

處理器接受帶有與所需數(shù)據(jù)相對(duì)應(yīng)key的字典，并返回帶有處理數(shù)據(jù)的字典。這有助于通過(guò)修復(fù)所需的簽名來(lái)使處理器獨(dú)立于邏輯的其余部分。

處理器用于所有數(shù)據(jù)集以切換數(shù)據(jù)處理需求。在處理器文檔中了解有關(guān)處理器的更多信息。

SampleList

SampleList受到了maskrcnn-benchmark中BBoxList的啟發(fā)，但更為通用。與Pythia集成的所有數(shù)據(jù)集都需要返回一個(gè)Sample，該Sample將被整理到SampleList中。

現(xiàn)在，SampleList帶有許多方便的功能，可以輕松地批量處理和訪問(wèn)事物。對(duì)于例如樣本是帶有一些key的字典。在SampleList中，這些key的值將根據(jù)它是張量還是列表而被巧妙地分組，并分配回該字典。

因此，終端用戶可以很好地將這些key組合在一起，并可以在他們的模型中使用它們。與Pythia集成的模型接收SampleList作為參數(shù)，這再次使trainer對(duì)模型和數(shù)據(jù)集不再有任何影響。在其文檔中了解有關(guān)Sample和SampleList的更多信息。

預(yù)訓(xùn)練模型

在Pythia中使用預(yù)訓(xùn)練模型進(jìn)行推理很容易。從下表中選取一個(gè)預(yù)訓(xùn)練模型，并按照步驟進(jìn)行推理或生成預(yù)測(cè)讓EvalAI評(píng)估。（注意，這部分內(nèi)容需要先安裝教程中介紹的數(shù)據(jù)，教程鏈接在文末）

現(xiàn)在，假設(shè)你到預(yù)培訓(xùn)模型model是link（從table中選擇>右鍵單擊>復(fù)制鏈接地址），相應(yīng)的配置應(yīng)該位于configs/[task]/[dataset]/[model].yml。例如，vqa2 train_and_val的配置文件應(yīng)該是configs/vqa/vqa2/pythia_train_and_val.yml。現(xiàn)在要運(yùn)行EvalAI的推斷，請(qǐng)運(yùn)行以下命令：

如果要在val上進(jìn)行培訓(xùn)或評(píng)估，請(qǐng)相應(yīng)地將run_type改為train或val。你還可以使用多個(gè)運(yùn)行類型，例如進(jìn)行訓(xùn)練、對(duì)val進(jìn)行推斷、還可以將--run_type設(shè)置為train+val+inference進(jìn)行推斷。

如果刪除--evalai_inference論證，Pythia 將執(zhí)行推斷并直接在數(shù)據(jù)集上提供結(jié)果。請(qǐng)注意，對(duì)于測(cè)試集，這是不能用的，因?yàn)槲覀儧](méi)有它們的答案/目標(biāo)。因此，這對(duì)于在本地執(zhí)行 val集的推理很有用。

如果刪除--evalai_inference論證，Pythia 將執(zhí)行推斷并直接在數(shù)據(jù)集上提供結(jié)果。請(qǐng)注意，對(duì)于測(cè)試集，這是不能用的，因?yàn)槲覀儧](méi)有它們的答案/目標(biāo)。因此，這對(duì)于在本地執(zhí)行 val集的推理很有用。

下表顯示了各種預(yù)培訓(xùn)模型的評(píng)估指標(biāo)：

Demo演示