Facebook 全新开源深度学习框架 Pythia，即插即用快速构建 AI 模型【新智元导读】Facebook 的人工

【新智元导读】 Facebook 的人工智能研究部门近期推出 Pythia，一个模块化的即插即用框架。目标是使数据科学家能够快速构建、复制和基准人工智能模型，将 VQA v2.0 数据集模型的性能从 65.67% 提高到 70.22%，已在 Github 上开源。

Facebook 最近在开发者社区抛出了一系列工具。继一月份 image processing library Spectrum、去年底的自然语言处理建模框架 PyText 和 11 月的人工智能增强学习平台 Horizon 的开源后，Facebook 的人工智能研究部门又推出了 Pythia，一个模块化的即插即用框架。

Pythia 的目标是使数据科学家能够快速构建、复制和基准人工智能模型，已在 Github 上开源。

而 Pythia（中文一般译作皮媞亚）这个名字的来历也很有意思。古希腊神话中，Pythia 是阿波罗神的女祭司，服务于帕纳塞斯山上的德尔斐（Delphi）神庙，以传达阿波罗神的神谕而闻名，被认为能预知未来。

即插即用 Pythia：让数据科学家快速构建、复制和基准 AI 模型

Pythia 是什么？

Pythia 是一个深度学习框架，支持视觉和语言领域的多任务处理。基于 PyTorch 框架，模块化即插即用的设计使研究人员能够快速构建、复制和基准化人工智能模型。

Pythia 是为视觉和语言任务而设计的，例如回答与视觉数据相关的问题和自动生成图像注释。

Pythia 能做什么？

Pythia 加入了最近的人工智能竞赛（2018 年 VQA 挑战赛和 2018 年 Vizwiz 挑战赛）中获奖作品的元素。功能包括用参考实现（reference implementations）来显示以前最先进的模型如何实现相关的基准结果，并快速衡量新模型的性能。

除了多任务处理之外，Pythia 还支持分布式培训和各种数据集，以及自定义损失、度量、调度（scheduling）和优化器。

Pythia 的特性

Model Zoo：艺术级的视觉和语言模型的参考实现，包括 LoRRA（VQA 和 TextVQA 上的 SoTA）、Pythia 模型（VQA 2018 挑战赛获胜者）和 Ban。
多任务处理：支持多任务处理，允许对多个数据集进行训练。
数据集：包括对各种内置数据集的支持，包括 VQA, VizWiz, TextVQA and 和 VisualDialog。
模块：为视觉和语言领域中的许多常用层提供实现
分布式：支持基于数据并行和分布式数据并行的分布式训练。
Unopinionated：关于基于它的数据集和模型实现是 Unopinionated。
定制：定制损失、度量、调度、优化器、Tensorboard；适合用户所有的定制需求。
用户可以使用 Pythia 为自己下一个视觉和语言多模式研究项目进行引导。Pythia 还可以作为围绕视觉和语言数据集的挑战的起始代码库（参见 TextVQA 挑战赛和 VQA 挑战赛）。

Pythia 最厉害的地方是什么？

Pythia 简化了进入视觉和语言发展子领域的过程，使研究人员能够专注于更快的原型制作和实验。Facebook 的目标是通过增加这些模型和结果的再现性来加速进展。这将使社区更容易建立成功系统的基础和基准。

开发者还希望通过 Pythia 消除障碍，能够使研究人员更快地为人们和智能机器开发新的交流方式。这项工作还应该帮助研究人员开发自适应人工智能，将多种理解合成一种更基于上下文的多模式理解。除了这个开源版本，Facebook 计划继续添加工具、任务、数据集和引用模型。
在上面提到的 VQA 2018 比赛中，Pythia v0.1 出发点是自下而上、自上而下模型的模块化重新实现，最终力压群雄而胜出。

Pythia v0.1 证明，通过对模型体系结构和学习速率计划进行细微但重要的更改、微调图像功能和添加数据扩充，可以显著提高 VQA v2.0 数据集自上而下模型的性能，从 65.67% 提高到 70.22%。

此外，通过使用不同特征和不同数据集训练的不同模型集合，Pythia v0.1 能够显著提高 1.31% 的 “标准” 集合方式（即具有不同随机种子的相同模型）。总的来说，Pythia v0.1 在 VQA v2.0 数据集的测试标准分割上达到了 72.27%。

术语和概念

Pythia 经过精心设计，从一开始就是一个多任务框架。这意味着使用 Pythia，可以一起训练多个任务和数据集。

但是，Pythia 在其模块中抽象了许多概念，在 Pythia 之上进行开发，有必要理解 Pythia 代码库中使用的概念和术语。一旦开发人员理解了这些简单的概念，就很容易在 Pythia 之上进行开发。其中主要概念和术语如下：

任务和数据集

在 Pythia 中，数据集被划分为一组任务。因此，任务对应属于它的数据集的集合。例如，VQA 2.0，VizWiz 和 TextVQA 都属于 VQA 任务。已为每个任务和数据集分配了一个唯一 key，用于在命令行参数中引用。

下表显示了任务及其数据集：

下表显示了上表的反转，数据集及其任务和 key：

模型

已经包括了最先进模型的参考实施，作为研究论文复制和新研究起点的基础。Pythia 曾被用于以下论文：

走向可以阅读的 VQA 模型（LoRRA 模型）
VQA 2018 挑战赛冠军
VizWiz 2018 挑战赛冠军

与任务和数据集类似，每个模型都使用唯一 key 进行注册，以便在配置和命令行参数中轻松引用。下表显示了可以运行的每个模型的关键名称和数据集。

注册表

受到 Redux 全球商店的启发，Pythia 生态系统所需的有用信息已在注册表中注册。可以将注册表视为框架的多个部分所需的信息的通用存储，并在需要该信息的任何地方起作用信息源。

注册表还基于如上所述的唯一密钥来注册模型、任务、数据集等。注册表的函数可以用作需要注册的类的装饰器（例如模型等）。

导入注册表对象导入：

from pythia.common.registry import registry

配置

根据研究需要，Pythia 中的大多数参数 / 设置都是可配置的。 Pythia 特定的默认值（training_parameters）存在于：

pythia/common/defaults/configs/base.yml

其中详细的注释描述了每个参数的用法。为了便于使用和模块化，每个数据集的配置分别保存在：

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

可以从 Tasks 中的表中获取数据集的 [task] 值和数据集部分。模型配置也是分开的，并且是用户在创建自己的模型时需要定义的部分。

由于每个数据集的单独配置，这个概念可以扩展到执行多任务并在此包含多个数据集配置。

处理器

处理器的主要目的是使数据处理流程尽可能与不同数据集相似，并允许代码重用。

处理器接受带有与所需数据相对应 key 的字典，并返回带有处理数据的字典。这有助于通过修复所需的签名来使处理器独立于逻辑的其余部分。

处理器用于所有数据集以切换数据处理需求。在处理器文档中了解有关处理器的更多信息。

SampleList

SampleList 受到了 maskrcnn-benchmark 中 BBoxList 的启发，但更为通用。与 Pythia 集成的所有数据集都需要返回一个 Sample，该 Sample 将被整理到 SampleList 中。

现在，SampleList 带有许多方便的功能，可以轻松地批量处理和访问事物。对于例如样本是带有一些 key 的字典。在 SampleList 中，这些 key 的值将根据它是张量还是列表而被巧妙地分组，并分配回该字典。

因此，终端用户可以很好地将这些 key 组合在一起，并可以在他们的模型中使用它们。与 Pythia 集成的模型接收 SampleList 作为参数，这再次使 trainer 对模型和数据集不再有任何影响。在其文档中了解有关 Sample 和 SampleList 的更多信息。

预训练模型

在 Pythia 中使用预训练模型进行推理很容易。从下表中选取一个预训练模型，并按照步骤进行推理或生成预测让 EvalAI 评估。（注意，这部分内容需要先安装教程中介绍的数据，教程链接在文末）

现在，假设你到预训练模型 model 是 link（从 table 中选择 > 右键单击 > 复制链接地址），相应的配置应该位于 configs/[task]/[dataset]/[model].yml。例如，vqa2 train_and_val 的配置文件应该是 configs/vqa/vqa2/pythia_train_and_val.yml。现在要运行 EvalAI 的推断，请运行以下命令：