大數(shù)據(jù)分析使用torchlayers構(gòu)建PyTorch模型

　　torchlayers的目的是做Keras為TensorFlow做的事情，提供更高級(jí)別的模型構(gòu)建API以及一些方便的默認(rèn)值和附加組件，這些組件和附加組件可用于制作PyTorch神經(jīng)網(wǎng)絡(luò)。
 

　　通過在線搜索判斷，PyTorch繼續(xù)受到廣泛關(guān)注，并且更重要的是，它的采用率不斷提高。PyTorch被認(rèn)為具有強(qiáng)大而靈活的特點(diǎn)，受到了研究人員的歡迎。但是，PyTorch過去因缺乏簡(jiǎn)化的高級(jí)API(例如TensorFlow的Keras)而受到實(shí)踐者的批評(píng)。這種情況最近已經(jīng)改變。
 

　　torchlayers旨在為PyTorch做Keras為TensorFlow做的事情。通過項(xiàng)目的開發(fā)人員進(jìn)行了簡(jiǎn)要定義：
 

　　torchlayers是一個(gè)基于PyTorch的庫(kù)，提供了自動(dòng)的torch.nn層的形狀和尺寸推斷以及當(dāng)前SOTA體系結(jié)構(gòu)(例如Efficient-Net)中附加的構(gòu)建塊的功能。
 

　　與在Keras中看到的類似，以上內(nèi)容不需要用戶干預(yù)(除了對(duì)torchlayers.build的單個(gè)調(diào)用)。
 

　　除了上面提到的形狀和尺寸推斷外，torchlayers還包括其他類似Keras的圖層(例如，torchlayers.Reshape在保留批處理尺寸的同時(shí)重塑輸入男高音)，還包括ImageNet競(jìng)賽中以前看到的SOTA圖層(PolyNet例如)，并提供了一些有用的默認(rèn)值，例如卷積內(nèi)核大小(torchlayers中的默認(rèn)值為3)。
 

　　使用pip安裝非常簡(jiǎn)單：
 

　　pip install –user torchlayers
 

　　可以在此處找到其他安裝信息(例如：Docker映像和GPU)。完整的Torchlayers文檔可在此處找到。
 

　　Torchlayers GitHub頁(yè)面提供了一些示例來展示其某些功能。我喜歡簡(jiǎn)單的圖像和文本分類器!例如，我在下面復(fù)制的代碼。此示例說明：
 

　　1)torch.nn和torchlayers層混合

　　2)形狀和尺寸推斷(Conv以及Linear輸入和BatchNorm)

　　3)默認(rèn)的Conv內(nèi)核大小

　　4)Conv 填充默認(rèn)為“相同”

　　5)使用Torchlayers池化層(GlobalMaxPool類似于Keras )

　　然后，可以torchlayers.build在指定輸入形狀的同時(shí)使用來構(gòu)建定義的網(wǎng)絡(luò)(對(duì)于上面定義的模型，下面顯示的圖像和文本分類的輸入形狀)：

　　build顯然，它就像在Keras中一樣，相當(dāng)于將模型編譯為PyTorch基本體。它通過post_build功能提供了一些附加功能(例如權(quán)重初始化，如下所示)，您可以在此處找到更多信息。

　　torchlayers為使用PyTorch建立類似Keras的模型提供了一些有用的功能，并填補(bǔ)了一個(gè)明顯的漏洞。時(shí)間會(huì)證明項(xiàng)目的發(fā)展和長(zhǎng)期發(fā)展，但肯定有一個(gè)良好的開端。