Facebook最新力作Pythia：模块化、即插即用，极大简化模型进展

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最近接连针对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）

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，假设你到预培训模型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：

如果要在val上进行培训或评估，请相应地将run_type改为train或val。你还可以使用多个运行类型，例如进行训练、对val进行推断、还可以将--run_type设置为train+val+inference进行推断。

如果删除--evalai_inference论证，Pythia 将执行推断并直接在数据集上提供结果。请注意，对于测试集，这是不能用的，因为我们没有它们的答案/目标。因此，这对于在本地执行 val集的推理很有用。

如果删除--evalai_inference论证，Pythia 将执行推断并直接在数据集上提供结果。请注意，对于测试集，这是不能用的，因为我们没有它们的答案/目标。因此，这对于在本地执行 val集的推理很有用。

下表显示了各种预培训模型的评估指标：

Demo演示

相关资源：

Github：

https://github.com/facebookresearch/pythia

Demo：

https://colab.research.google.com/drive/1Z9fsh10rFtgWe4uy8nvU4mQmqdokdIRR

教程：

https://learnpythia.readthedocs.io