PyTorch Hub发布！一行代码调用所有模型：torch.hub

红太狼 2024-04-20 08:45 57阅读 0赞

> Facebook官方博客表示，PyTorch Hub是一个简易API和工作流程，为复现研究提供了基本构建模块，包含预训练模型库。并且，PyTorch Hub还支持Colab，能与论文代码结合网站Papers With Code集成，用于更广泛的研究。发布首日已有18个模型“入驻”，获得英伟达官方力挺。而且Facebook还鼓励论文发布者把自己的模型发布到这里来，让PyTorch Hub越来越强大。

# torch.hub #

PyTorch Hub中提供的模型也支持Colab。进入每个模型的介绍页面后，你不仅可以看到GitHub代码页的入口，甚至可以一键进入Colab运行模型Demo。

为了调用各种经典机器学习模型，今后你不必重复造轮子了。

刚刚，Facebook宣布推出PyTorch Hub，一个包含计算机视觉、自然语言处理领域的诸多经典模型的聚合中心，让你调用起来更方便。

有多方便？

图灵奖得主Yann LeCun强烈推荐，无论是ResNet、BERT、GPT、VGG、PGAN还是MobileNet等经典模型，只需输入一行代码，就能实现一键调用。

**PyTorch Hub的使用简单到不能再简单，不需要下载模型，只用了一个torch.hub.load()就完成了对图像分类模型AlexNet的调用。**

import torch
    model = torch.hub.load('pytorch/vision', 'alexnet', pretrained=True)
    model.eval()

PyTorch Hub允许用户对已发布的模型执行以下操作：  
1、查询可用的模型;  
2、加载模型;  
3、查询模型中可用的方法。

下面让我们来看看每个应用的实例。

#### 1、查询可用的模型 ####

用户可以使用torch.hub.list()这个API列出repo中所有可用的入口点。比如你想知道PyTorch Hub中有哪些可用的计算机视觉模型：

torch.hub.list('pytorch/vision')
    
    ['alexnet',
    'deeplabv3_resnet101',
    'densenet121',
    ...
    'vgg16',
    'vgg16_bn',
    'vgg19',
     'vgg19_bn']

#### 2、加载模型 ####

在上一步中能看到所有可用的计算机视觉模型，如果想调用其中的一个，也不必安装，只需一句话就能加载模型。

model = torch.hub.load('pytorch/vision', 'deeplabv3_resnet101', pretrained=True)

至于如何获得此模型的详细帮助信息，可以使用下面的API：

print(torch.hub.help('pytorch/vision', 'deeplabv3_resnet101'))

如果模型的发布者后续加入错误修复和性能改进，用户也可以非常简单地获取更新，确保自己用到的是最新版本:

model = torch.hub.load(..., force_reload=True)

对于另外一部分用户来说，稳定性更加重要，他们有时候需要调用特定分支的代码。例如pytorch\_GAN\_zoo的hub分支:

model = torch.hub.load('facebookresearch/pytorch_GAN_zoo:hub', 'DCGAN', pretrained=True)

#### 3、查看模型可用方法 ####

从PyTorch Hub加载模型后，你可以用dir(model)查看模型的所有可用方法。以bertForMaskedLM模型为例：

dir(model)
    
    ['forward'
    ...
    'to'
    'state_dict',
    ]

如果你对forward方法感兴趣，使用help(model.forward) 了解运行运行该方法所需的参数:

help(model.forward)
    
    Help on method forward in module pytorch_pretrained_bert.modeling:
    forward(input_ids, token_type_ids=None, attention_mask=None, masked_lm_labels=None)

> 参考：[PyTorch Hub发布！一行代码调用最潮模型，图灵奖得主强][PyTorch Hub]

[PyTorch Hub]: https://tech.sina.com.cn/csj/2019-06-11/doc-ihvhiews8066092.shtml