Press "Enter" to skip to content

Texar-PyTorch:在PyTorch中集成TensorFlow的最佳特性

项目地址:https://github.com/asyml/texar

 

Texar-PyTorch 对各类不同的机器学习任务有着广泛的支持,尤其是自然语言处理(NLP)和文本生成任务。

 

基于其已有的TensorFlow版本,Texar-PyTorch 结合了TensorFlow和 PyTorch 中的许多实用功能与特性。同时,Texar-PyTorch 具有高度可定制性,提供了不同抽象层级的 API,以方便新手和经验丰富的用户。

 

Texar-PyTorch 将实用的TensorFlow(TF) 模块融合进了 PyTorch,显着增强了 PyTorch 现有的功能。这些模块包括:

 

数据:内置常用的预处理、创建批次(batching)、迭代、随机打乱方法。所有方法均采取最佳实践,并可以结合缓存与惰性加载达到高效率。该项目也实现了类似 TFRecord 的模块,以支持复杂类型的大型数据集。

 

模型模块:丰富的功能和完美的模块化的机器学习(ML)模型,比如统一接口的序列模型,包括用于文本生成的解码器、注意力机制(attention)和 RNN 等。

 

训练:开发者基于 TF Estimator 和 keras.Model 的高级 API,设计了更加灵活的训练模块。该模块集模型训练、评估、预测、TensorBoard 可视化于一体,并能与第三方的超参数调优工具完美结合。

 

Texar-PyTorch 功能

 

通过结合 TF 中的最佳特性与 PyTorch 的直观编程模型,Texar-Pytorch 为构建 ML 应用提供全面支持:

 

最先进的模型构建模块—搭建 ML 模型就和搭积木一样,你可以随心所欲地替换模型模块。

 

简单而高效的数据处理—丰富的内置数据处理模块,适用于常见类型的数据集。用户可以利用简单的接口实现自定义数据处理模块,而无需担心性能问题。

 

一体化的自定义模型训练模块—不用再写千篇一律的训练代码,也不用为了简洁而牺牲可拓展性。

 

代码示例 1 演示了使用 Texar-PyTorch 搭建并训练用于摘要生成或机器翻译的条件GPT-2 模型的完整代码。

 

代码示例 1:使用 Texar-PyTorch 搭建并训练条件 GPT-2 模型 (用于摘要生成等任务)。

 

为何选择 Texar?

 

同时支持TensorFlow& PyTorch。 有时,你无法选择使用哪个底层框架,而学习新的工具包就和自己编写一样费时。现在,使用 Texar,你可以在这两个框架中使用几乎相同的接口,只需对代码进行最小限度的更改。两个版本的工具包还能共享下载的预训练模型权重。

 

一个工具包,覆盖所有自然语言处理任务。 Texar 提供了自然语言处理任务(尤其是文本生成任务)中常用的大多数神经网络模型。图 1 给出了 Texar 各模块的简介。Texar 内置了最先进的预训练模型,同时还包括了数据处理、建模、训练和评估所需的各类实用方法。一切尽在 Texar 掌握中。

 

方便新手和行家。无论你是刚刚入门深度学习,还是一名经验丰富的研究员,Texar 都适合你。Texar 提供最先进的内置组件,同时具有足够的灵活性可以自定义。

 

 

图 1: Texar 为数据处理、模型架构、损失函数、训练、评估以及一系列先进的预训练 ML/NLP 模型 (例如,BERT, GPT-2 等) 提供了全套的模块。

 

接下来将更详细地介绍 Texar-PyTorch 中建模、数据处理和模型训练这三个关键部分。

 

建模模块

 

如图 1 所示,Texar-Pytorch 提供了全套的 ML 模块集。通过精心设计的界面,用户可以通过组合模块自由地构建任意模型。

 

下面的实例展示了如何灵活运用模块接口,以满足不同的机器学习算法的需要,如最大似然学习和对抗性学习。此外,Texar 为具有不同专业知识的用户提供多个抽象层级的接口。例如:

 

通过简单地设置解码器参数decoding_strategy=「train_greedy」,就可以方便地调用常用的解码策略,例如,teacher-forcing 方法。

 

另一方面,用户可以使用 Helper 类进行更复杂的解码策略,例如,用 GumbelSoftmaxHelper 在对抗学习中使用 Gumbel softmax 解码。经验丰富的用户可以进一步定义新的 Helper 类来定制任意解码策略。

 

 

代码示例 2:构建预训练的 GPT-2语言模型,使用最大似然学习和对抗学习 (使用 BERT 作为判别器) 进行微调。

 

总之,使用 Texar-PyTorch 建模具有以下主要优势:

 

完美的模块化—通过简单地插入/交换几个模块,就可以在不同的使用场景之间进行切换。

 

多层级的接口—为新手用户提供高层级的简单 API,为专家用户提供底层级的自定义 API。

 

内置最先进的预训练模块—BERT, GPT-2, RoBERTa, XLNet 等,用于文本编码、分类、序列标记和生成等任务。

 

数据

 

Texar-Pytorch 的数据模块旨在为任意 ML 和 NLP 任务提供 简单、高效 和 可自定义 的数据处理。结合 Tensorflow tf.data 中的最佳实践,这些模块极大地增强了 Pytorch 内置的 DataLoader 模块:

 

解耦单个实例预处理和批次构建 – 以获得更清晰的程序逻辑和更简便的自定义。

 

基于缓冲区的随机打乱、缓存和惰性加载 – 以提高效率。

 

通用的数据集迭代器 – 无需额外的用户配置。

 

更直观的 APIs – 在项目中获得最佳实践不需要任何专业知识。

 

Texar-PyTorch 内置数据模块

 

对于常见类型的数据集,Texar-Pytorch 已经包含了可以使用的模块,如下图 2 所示。

 

 

图 2: Texar-Pytorch 内置大量 ML 和 NLP 任务的数据模块。

 

特别的是,RecordData 相当于TensorFlow着名的 TFRecordData,后者以二进制格式读取文件,从而允许从文本到图像的任意数据类型。太酷了,不是吗?更重要的是 – 它的使用方式与 TFRecordData 类似。下面的例子说明了一切。

 

假设你想运行一个图像描述模型。每个数据示例通常包含一个图像、一个描述和其他元信息。如何使用 Texar-Pytorch 如下。

 

 

代码示例 3: 使用 Texar-Pytorch RecordData 加载复杂的图像标题数据。

 

创建自定义数据集

 

用户可以自定义如何处理数据实例和创建批次,而 Texar 将为你处理缓存、惰性处理和迭代。下面的示例说明了这一点。

 

 

代码示例 4:对输入文本执行 BPE 分词的自定义数据集。

 

训练器

 

每当开始一个新的项目时,你是否厌烦了一次又一次地编写训练和评估代码?你是否需要一个 API 来实现自动化训练,并配备日志记录、保存中间模型、可视化和超参数调优功能? 你是否希望 API 灵活适应你的非传统算法,例如,在对抗学习中交替优化多个损失函数?Texar 训练器(Executor)是你的不二选择。

 

Executor 与广泛使用的 TF Estimator 和 tf.keras.Model 类似,但是更加轻量级,更易自定义。

 

为了演示 Executor 的功能,开发者展示了一般的训练代码,并与 Executor 作对比:

 

假设我们希望在项目中具有以下功能:

 

每隔 logging_step 次迭代,在命令行、日志文件和 Tensorboard 上记录进度。

 

每隔`validate_steps`次迭代在验证集上评估模型,使用 BLEU 来评估模型性能。

 

如果验证结果有所改善,保存当前模型权重。如果连续`patience`次验证结果都没有改善,那幺载入之前存储的模型权重,并调整学习率。

 

上面的步骤描述了一个很常见的训练循环。以下是一般的训练循环的实例:

 

 

代码示例 5: 典型的手写 train-eval 循环。

 

代码非常冗长。当你需要添加或更改一些功能时,事情会变得更加复杂。现在,如果使用 Executors,该代码将是什幺样子?

 

 

代码示例 6: 使用 Executor 的相同 train-eval 循环。

 

Executor 在命令行的输出如下:

 

 

在这里,你可以看到验证 BLEU 分数是根据已有结果不断更新的。这要归功于 Executor 流处理度量,它允许对度量值进行增量计算。无需等到最后才能看到验证集的结果!

 

正如我们所见,使用 Executor 的代码结构化更强,可读性更高。它还具有更强的可扩展性:

 

问:如果我们还想在每个周期结束后在验证集上评估呢?

 

答:只需将` validate_every` 更改为:

 

 

问:如果我们想在调整学习率`early_stop_patience`次后提前停止训练呢?

 

答:只需将`action_on_plateau`改为:

 

 

问:如果我们还想测量单词级别的损失呢?

 

答:只需在`valid_metrics`中添加一个新的度量即可:

 

 

问:如果我们想要进行超参数调优并多次训练模型,该怎幺办?

 

答:只需为你想要测试的每一组超参数创建 Executor。由于 Executor 负责模型创建之外的所有进程,所以不需要担心消耗额外的内存或意外地保留以前运行的对象。这是一个在 Hyperopt 中使用 Executor 的示例。

 

问:如果在每个周期结束后,我们想把当前的模型权重上传到服务器,发送一封电子邮件汇报进度,然后出门去遛狗,该如何操作?

 

答:很奇怪,但没问题。只需在你选择的条件下注册一个自定义操作,并做你想做的任何事情:

 

 

Texar-TF 与 Texar-PyTorch 互相切换

 

如果你是 Texar-TF 用户,毫不费力就可切换到 Texar-PyTorch。相比 TexarTensorFlow,Texar PyTorch 具有几乎相同的接口,可以轻松切换底层框架。

 

尽管有类似的接口,但开发者也遵循每个框架的编码风格,这样你无需学习一种新的子语言。为此,他们更改了一些较低层级的可扩展接口,以便紧密匹配对应框架的原生设计。大多数更改都在数据和训练器模块中,但正如你所见,它们非常容易上手。

 

开始使用 Texar-PyTorch

 

请访问该项目的 GitHub repository,并按照安装说明进行操作。实用的资源包括:

 

文档:该项目对每个模块和功能都有详细的文档。

 

链接:https://texar-pytorch.readthedocs.io/en/latest/

 

示例:开发者强烈建议我们查看项目中的示例,以了解在实践中如何使用 Texar。这些示例都有明确的文档记录,涵盖了丰富的用例。

 

链接:https://github.com/asyml/texar-pytorch/blob/master/examples/README.md

 

ASYML 工具库:查找到所有 Texar 资源的快速链接。

 

链接:https://asyml.io/

Be First to Comment

发表评论

电子邮件地址不会被公开。 必填项已用*标注