雷鋒網(wǎng) AI 科技評論按：Facebook 人工智能研究院最近推出 Pythia ——一個深度學習框架，支持視覺和語言領域的多任務處理。其模塊化的即插即用設計能夠幫助使用者快速構(gòu)建、復制和基準人工智能模型。

【 圖片來源：GitHub  所有者：Facebook 】

Pythia是什么？

Pythia 是一個視覺和語言多模式研究的模塊化深度學習框架，它建立在PyTorch之上，具有以下特點：

• Model Zoo：最先進的視覺和語言模型的參考實現(xiàn)，這些模型包括 LoRRA（SoQ on VQA 和 TextVQA）、Pythia模型（VQA 2018 挑戰(zhàn)獲勝者）和 BAN

• 多任務：支持多任務，允許同時訓練多個數(shù)據(jù)集

• 數(shù)據(jù)集：包括對內(nèi)置的各種數(shù)據(jù)集的支持，如 VQA、VizWiz，TextVQA 、VisualDialog 等

• 模塊：為視覺和語言領域中的各種常用圖層提供實現(xiàn)方式

• 分布式：支持基于 DataParallel 和 DistributedDataParallel 的分布式訓練

• Unopinionated：對基于它構(gòu)建的數(shù)據(jù)集和模型實現(xiàn)不受任何影響的功能

• 定制化：包括自定義損失、指標、調(diào)度、優(yōu)化器、張量板等

  
  

Pythia能做什么？

即插即用的模塊化設計，能夠使研究人員快速構(gòu)建、復制并基準 AI 模型。你可以使用 Pythia 為您的下一個視覺和語言多模式研究項目提供引導程序，也可以用作視覺和語言數(shù)據(jù)集挑戰(zhàn)賽的入門代碼庫（TextVQA 挑戰(zhàn)，VQA 挑戰(zhàn)）；還可以用它來回答與視覺數(shù)據(jù)相關的問題和自動生成圖像注釋。

Pythia加入了近期的AI比賽（VQA Challenge 2018和Vizwiz Challenge 2018）中獲獎作品的元素。功能包括通過參考實現(xiàn)來展示之前的模型如何完成相關基準測試結(jié)果，以及迅速評估新模型性能。 除了多任務處理，Pythia還支持分布式訓練和各種數(shù)據(jù)集，以及自定義損失、指標、調(diào)度和優(yōu)化器。 

Pythia的意義？

Pythia使得進入視覺和語言子領域的過程變得更簡單，也使研究人員能夠?qū)Ｗ⒂诟斓脑驮O計和實驗。通過提高這些模型和結(jié)果的可重復性來加速研究進程，將使得社區(qū)更容易成功構(gòu)建系統(tǒng)并進行基準測試。

通過消除這些障礙，研究人員能更快地為人們和智能機器開發(fā)新的交流方式。 同時，這項工作還將幫助研究人員開發(fā)自適應人工智能，使得多種理解更好融合到多情境的多模理解中。除了這個開源版本，F(xiàn)acebook還計劃繼續(xù)添加工具、任務、數(shù)據(jù)集和參考模型。 

具體開源鏈接：

GitHub 地址

https://github.com/facebookresearch/pythia

Pythia 官方文檔

https://learnpythia.readthedocs.io/en/latest/

安裝教程

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

雷鋒網(wǎng)AI 科技評論 雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。