TorchVision 新的多权重支持 API

作者：Vasilis Vryniotis

TorchVision 拥有一个新的向后兼容 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，跟踪分类标签等重要元数据，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，展示其功能并突出与现有 API 的主要区别。

我们希望在最终确定 API 之前了解您的想法。为了收集您的反馈，我们创建了一个 Github 问题，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，或在计算机视觉应用中按原样使用。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，因此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 并希望将其改进提供给社区时，这会带来严重的限制。它也阻止我们为同一模型变体在不同数据集上提供预训练权重。
2. 缺少推理/预处理转换：用户被迫在使用模型之前定义必要的转换。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。这些转换中的任何细微差异（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，需要查看外部来源和文档才能找到诸如 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 实现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}*%*")

如我们所见，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）都有一个关联的枚举类（例如 ResNet50_Weights），该类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，该别名指向特定模型的最佳可用权重。这允许希望始终使用最佳可用权重的用户这样做，而无需修改其代码。

以下是如何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）。典型信息包括指向训练方案的链接、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，并且可以通过 transforms 属性访问。在使用数据之前，需要初始化/构造转换。此延迟初始化方案旨在确保解决方案的内存效率。转换的输入可以是使用 torchvision.io 读取的 PIL.Image 或 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、改善可重复性和简化权重集生成方式的记录。

按名称获取权重

能够将权重与其属性（元数据、预处理可调用对象等）直接关联是我们的实现使用枚举而不是字符串的原因。但是，在仅提供权重名称的情况下，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，先前用于将权重加载到完整模型或其主干的布尔值 pretrained 和 pretrained_backbone 参数已弃用。当前实现完全向后兼容，因为它可以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，构建器方法需要使用关键字参数。位置参数的使用已弃用，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。两个 API 之间的以下方法调用都等效

# 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，请查看 PyTorch 的 下载页面。您也可以从最新主分支的源代码安装 TorchVision；有关更多信息，请查看我们的 仓库。

使用新 API 访问最先进的模型权重

如果您仍然不确定是否尝试新 API，这里还有一个理由。我们最近刷新了我们的 训练方案，并实现了我们许多模型的 SOTA 准确率。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

请花几分钟时间提供您对新 API 的反馈，这对于将其从原型阶段毕业并包含在下一个版本中至关重要。您可以在专门的 Github 问题 中执行此操作。我们期待阅读您的评论！