介绍 TorchVision 全新的多权重支持 API

作者：Vasilis Vryniotis

TorchVision 引入了一个新的向后兼容的 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（例如分类标签），并包含使用模型所需的预处理转换。在这篇博客文章中，我们计划回顾这个原型 API，展示其特性，并强调与现有 API 的主要区别。

我们希望在最终确定 API 之前听取您的意见。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 当前提供了预训练模型，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式如下：

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变量是布尔类型，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，这会带来严重的限制。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必须定义必要的转换。推理转换通常与用于估计权重的训练过程和数据集相关联。这些转换中的任何微小差异（例如插值值、调整大小/裁剪尺寸等）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、训练方案、准确性指标等信息。

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量。

原型 API 概述

让我们看看如何使用新 API 达到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}*%*")

正如我们所见，新 API 消除了上述局限性。让我们详细探讨新特性。

多权重支持

在新 API 的核心，我们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）都有一个关联的枚举类（例如 ResNet50_Weights），其中包含与可用预训练权重数量相同的条目。此外，每个枚举类都有一个指向该特定模型最佳可用权重的 DEFAULT 别名。这使得希望始终使用最佳可用权重的用户无需修改其代码即可实现此目的。

以下是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 & 预处理转换

每个模型的权重都关联有元数据。我们存储的信息类型取决于模型的任务（分类、检测、分割等）。典型的信息包括训练方案的链接、插值模式以及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，每个权重条目都关联了必要的预处理转换。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。在使用数据之前，需要初始化/构建转换。这种延迟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 或使用 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关联起来将提高透明度、改善可重现性，并使记录如何生成一组权重变得更加容易。

按名称获取权重

之所以我们的实现使用枚举而不是字符串，是因为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。然而，对于仅知权重名称的情况，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，之前用于将权重加载到完整模型或其主干的布尔参数 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，构建方法需要使用关键字参数。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 nightly 版本中可用，因此要使用它，您需要按如下方式安装：

conda install torchvision -c pytorch-nightly

有关安装 nightly 版本的其他方法，请查阅 PyTorch 下载页面。您还可以从最新的 main 分支编译安装 TorchVision；有关更多信息，请参阅我们的 repo。

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 API，这里还有一个理由。我们最近更新了训练方案，并在许多模型上取得了 SOTA（State-of-the-Art）准确性。改进后的权重可以通过新 API 轻松访问。以下是模型改进的快速概述：

请花几分钟提供您对新 API 的反馈，这对于将其从原型升级到正式版本并包含在下一个版本中至关重要。您可以在专门的Github Issue上进行。我们期待阅读您的评论！