跳转到主要内容
博客

引入 TorchVision 的新多权重支持 API

作者： 2021 年 12 月 22 日2024 年 11 月 15 日无评论

TorchVision 推出了一款新的向后兼容 API，用于构建支持多权重的模型。新 API 允许在同一模型变体上加载不同的预训练权重，跟踪重要的元数据（如分类标签），并包含使用模型所需的预处理转换。在这篇博文中，我们计划回顾原型 API，展示其功能，并强调与现有 API 的主要区别。

我们希望在最终确定 API 之前听取您的想法。为了收集您的反馈，我们创建了一个 Github Issue，您可以在其中发布您的想法、问题和评论。

当前 API 的局限性

TorchVision 目前提供预训练模型，这些模型可以作为迁移学习的起点，或者直接用于计算机视觉应用。实例化预训练模型并进行预测的典型方法是

import torch

from PIL import Image
from torchvision import models as M
from torchvision.transforms import transforms as T


img = Image.open("test/assets/encode_jpeg/grace_hopper_517x606.jpg")

# Step 1: Initialize model
model = M.resnet50(pretrained=True)
model.eval()

# Step 2: Define and initialize the inference transforms
preprocess = T.Compose([
    T.Resize([256, ]),
    T.CenterCrop(224),
    T.PILToTensor(),
    T.ConvertImageDtype(torch.float),
    T.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])

# Step 3: Apply inference preprocessing transforms
batch = preprocess(img).unsqueeze(0)
prediction = model(batch).squeeze(0).softmax(0)

# Step 4: Use the model and print the predicted category
class_id = prediction.argmax().item()
score = prediction[class_id].item()
with open("imagenet_classes.txt", "r") as f:
    categories = [s.strip() for s in f.readlines()]
    category_name = categories[class_id]
print(f"{category_name}: {100 * score}%")

上述方法存在一些局限性

  1. 无法支持多个预训练权重：由于 pretrained 变量是布尔值，我们只能提供一组权重。当我们显著 提高现有模型的准确性 并希望将这些改进提供给社区时，这带来了严重的局限性。它也阻止我们提供同一模型变体在不同数据集上的预训练权重。
  2. 缺少推理/预处理转换：用户在使用模型之前被迫定义必要的转换。推理转换通常与训练过程和用于估计权重的日期集相关联。这些转换中的任何微小差异（例如插值值、调整大小/裁剪大小等）都可能导致准确性大幅下降或模型无法使用。
  3. 缺少元数据：与权重相关的关键信息对用户不可用。例如，需要查阅外部来源和文档才能找到 类别标签、训练配方、准确性指标等。

新 API 解决了上述局限性，并减少了标准任务所需的样板代码。

原型 API 概述

让我们看看如何使用新 API 获得与上述完全相同的结果

from PIL import Image
from torchvision.prototype import models as PM


img = Image.open("test/assets/encode_jpeg/grace_hopper_517x606.jpg")

# Step 1: Initialize model
weights = PM.ResNet50_Weights.IMAGENET1K_V1
model = PM.resnet50(weights=weights)
model.eval()

# Step 2: Initialize the inference transforms
preprocess = weights.transforms()

# Step 3: Apply inference preprocessing transforms
batch = preprocess(img).unsqueeze(0)
prediction = model(batch).squeeze(0).softmax(0)

# Step 4: Use the model and print the predicted category
class_id = prediction.argmax().item()
score = prediction[class_id].item()
category_name = weights.meta["categories"][class_id]
print(f"{category_name}: {100 * score}*%*")

正如我们所看到的，新 API 消除了上述局限性。让我们详细探讨新功能。

多权重支持

新 API 的核心是能够为同一模型变体定义多个不同的权重。每个模型构建方法（例如 resnet50）都有一个相关的枚举类（例如 ResNet50_Weights），其中包含与可用预训练权重数量一样多的条目。此外，每个枚举类都有一个 DEFAULT 别名，指向特定模型可用的最佳权重。这使得希望始终使用最佳可用权重的用户无需修改代码即可实现。

这是一个使用不同权重初始化模型的示例

from torchvision.prototype.models import resnet50, ResNet50_Weights

# Legacy weights with accuracy 76.130%
model = resnet50(weights=ResNet50_Weights.IMAGENET1K_V1)

# New weights with accuracy 80.858%
model = resnet50(weights=ResNet50_Weights.IMAGENET1K_V2)

# Best available weights (currently alias for IMAGENET1K_V2)
model = resnet50(weights=ResNet50_Weights.DEFAULT)

# No weights - random initialization
model = resnet50(weights=None)

关联的元数据和预处理转换

每个模型的权重都与元数据相关联。我们存储的信息类型取决于模型的任务（分类、检测、分割等）。典型信息包括训练配方的链接、插值模式、类别和验证指标等信息。这些值可以通过 meta 属性以编程方式访问

from torchvision.prototype.models import ResNet50_Weights

# Accessing a single record
size = ResNet50_Weights.IMAGENET1K_V2.meta["size"]

# Iterating the items of the meta-data dictionary
for k, v in ResNet50_Weights.IMAGENET1K_V2.meta.items():
    print(k, v)

此外，每个权重条目都与必要的预处理转换相关联。所有当前的预处理转换都是 JIT 可脚本化的，可以通过 transforms 属性访问。在使用它们处理数据之前，需要初始化/构造转换。这种惰性初始化方案旨在确保解决方案的内存效率。转换的输入可以是 PIL.Image，也可以是使用 torchvision.io 读取的 Tensor。

from torchvision.prototype.models import ResNet50_Weights

# Initializing preprocessing at standard 224x224 resolution
preprocess = ResNet50_Weights.IMAGENET1K_V2.transforms()

# Initializing preprocessing at 400x400 resolution
preprocess = ResNet50_Weights.IMAGENET1K_V2.transforms(crop_size=400, resize_size=400)

# Once initialized the callable can accept the image data:
# img_preprocessed = preprocess(img)

将权重与其元数据和预处理相关联将提高透明度，改善可复现性，并使其更容易记录一组权重是如何生成的。

按名称获取权重

能够直接将权重与其属性（元数据、预处理可调用对象等）关联起来是我们的实现使用枚举而不是字符串的原因。然而，对于仅知道权重名称的情况，我们提供了一种能够将权重名称链接到其枚举的方法

from torchvision.prototype.models import get_weight

# Weights can be retrieved by name:
assert get_weight("ResNet50_Weights.IMAGENET1K_V1") == ResNet50_Weights.IMAGENET1K_V1
assert get_weight("ResNet50_Weights.IMAGENET1K_V2") == ResNet50_Weights.IMAGENET1K_V2

# Including using the DEFAULT alias:
assert get_weight("ResNet50_Weights.DEFAULT") == ResNet50_Weights.IMAGENET1K_V2

弃用

在新 API 中，以前用于将权重加载到完整模型或其骨干的布尔参数 pretrained 和 pretrained_backbone 已被弃用。当前的实现完全向后兼容，因为它无缝地将旧参数映射到新参数。在新的构建器中使用旧参数会发出以下弃用警告

>>> model = torchvision.prototype.models.resnet50(pretrained=True)
 UserWarning: The parameter 'pretrained' is deprecated, please use 'weights' instead.
UserWarning:
Arguments other than a weight enum or `None` for 'weights' are deprecated.
The current behavior is equivalent to passing `weights=ResNet50_Weights.IMAGENET1K_V1`.
You can also use `weights=ResNet50_Weights.DEFAULT` to get the most up-to-date weights.

此外，构建器方法要求使用关键字参数。位置参数的使用已被弃用，使用它们会发出以下警告

>>> model = torchvision.prototype.models.resnet50(None)
UserWarning:
Using 'weights' as positional parameter(s) is deprecated.
Please use keyword parameter(s) instead.

测试新 API

迁移到新 API 非常简单。以下两种 API 之间的方法调用是等效的

# Using pretrained weights:
torchvision.prototype.models.resnet50(weights=ResNet50_Weights.IMAGENET1K_V1)
torchvision.models.resnet50(pretrained=True)
torchvision.models.resnet50(True)

# Using no weights:
torchvision.prototype.models.resnet50(weights=None)
torchvision.models.resnet50(pretrained=False)
torchvision.models.resnet50(False)

请注意，原型功能仅在 TorchVision 的夜间版本中可用，因此要使用它，您需要按如下方式安装它

conda install torchvision -c pytorch-nightly

有关安装夜间版本的替代方法，请参阅 PyTorch 下载页面。您还可以从最新的主版本源码安装 TorchVision；有关更多信息，请参阅我们的 仓库。

使用新 API 访问最先进的模型权重

如果您仍然不相信尝试新的 API，这里有另一个理由。我们最近刷新了 训练配方，并从我们的许多模型中获得了 SOTA 准确性。改进的权重可以通过新 API 轻松访问。以下是模型改进的快速概述

模型旧 Acc@1新 Acc@1
EfficientNet B178.64279.838
MobileNetV3 Large74.04275.274
量化 ResNet5075.9280.282
量化 ResNeXt101 32x8d78.98682.574
RegNet X 400mf72.83474.864
RegNet X 800mf75.21277.522
RegNet X 1 6gf77.0479.668
RegNet X 3 2gf78.36481.198
RegNet X 8gf79.34481.682
RegNet X 16gf80.05882.72
RegNet X 32gf80.62283.018
RegNet Y 400mf74.04675.806
RegNet Y 800mf76.4278.838
RegNet Y 1 6gf77.9580.882
RegNet Y 3 2gf78.94881.984
RegNet Y 8gf80.03282.828
RegNet Y 16gf80.42482.89
RegNet Y 32gf80.87883.366
ResNet5076.1380.858
ResNet10177.37481.886
ResNet15278.31282.284
ResNeXt50 32x4d77.61881.198
ResNeXt101 32x8d79.31282.834
Wide ResNet50 278.46881.602
Wide ResNet101 278.84882.51

请花几分钟时间提供您对新 API 的反馈，这对将其从原型阶段提升并在下个版本中包含至关重要。您可以在专门的 Github Issue 上进行此操作。我们期待您的评论！