Facebook推出PyTorch Hub用于再现AI模型结果

再现性将“科学”置于A的计算机科学中 - 研究人员可以证明他们的AI系统是健壮可靠的。为了支持AI模型的可重复性，Facebook今天宣布推出PyTorch Hub测试版，这是一个用于研究重现性和支持的API和工作流程。

PyTorch Hub可以通过hubconf.py使用GitHub拉取请求添加文件和发布模型，将预训练模型快速发布到GitHub存储库。PyTorch Hub支持Google Colab和PapersWithCode中的模型。

“我们的目标是为研究再现性提供高质量，易于重复，最有益的模型。因此，我们可能会与您合作完善您的拉取请求，并在某些情况下拒绝发布一些低质量的模型，“PyTorch团队今天在一篇博客文章中说。“随着研究出版物数量的不断增长，包括现在在arXiv上发表的数万篇论文，以及提交给历史最高级别会议的论文，研究再现性比以往任何时候都更加重要。”

接受的模型将在PyTorch Hub网站上共享。

在发布时，PyTorch Hub可以访问来自Nvidia的大约20个预训版的谷歌BERT，WaveGlow和Tacotron 2，以及来自Hugging Face的语言理解的生成预训练(GPT)。还包括许多音频和生成模型，以及使用ImageNet数据库训练的计算机视觉模型。

同样在今天，流行的机器学习框架TensorFlow引入了TensorFlow.Text，这是一个基于最近推出的RuggedTensor预处理语言理解AI模型的库。

The news comes at the start of the International Conference on Machine Learning (ICML) in Long Beach, California. For the first time this year, ICML encouraged researchers to submit code alongside their research in order to prove results. As a result, about 36% of submitted papers and 67% of accepted papers included code.

Researchers associated with an academic university were far more likely to share code than those working with a corporation or business. Ninety percent of work submitted by academic researchers included code, compared with only 27.4% of work from the tech industry.

“我们希望未来的计划主席能够继续并改进流程，社区将朝着及时释放代码和提高可重复性的文化迈进，”Kamalika Chaudhuri和Ruslan Salakhutdinov在一篇分享ICML代码结果的媒体帖子中写道。 - 提交时间实验。

在2018 AI指数报告发现，ICML是最高度出席年度AI会议之一，坐落在由政府，学术和企业研究人员创建了科研论文数量稳步增长。

在其他新闻中，上个月发布了PyTorch 1.1，TensorBoard支持ML训练可视化和改进的JIT编译器。

标签： Facebook