Facebook发布了PyTorch Hub来复制人工智能模型的结果

可复制性将“科学”放在A的计算机科学中-这是研究人员如何证明他们的人工智能系统是健壮和可靠的。 为了支持AI模型的可重复性，Face book今天宣布了Py Torch集线器的测试版，这是一个API和工作流程，用于研究的可重复性和支持。

通过添加一个hubconf.pyfile并使用GitHub拉请求发布模型，py火炬集线器可以快速地将预先训练过的模型发布到GitHub存储库。 Py Torch集线器支持谷歌Colab的模型和带有代码的文件。

“我们的目标是管理高质量、易于复制、最大效益的研究重复性模型。 因此，我们可以与您合作，以完善您的拉要求，并在某些情况下拒绝一些低质量的模型将要发表，“Py火炬团队在今天的博客文章中说。 “随着研究出版物数量的持续增长，包括目前在ar Xiv上主办的数万篇论文，以及向各种会议提交的报告达到历史最高水平，研究的重复性比以往任何时候都更重要。

在发射时，Py火炬集线器提供了大约20个预先训练版本的谷歌的BERT，波光辉和塔科龙2从Nvidia，和生成的预训练(GPT)的语言理解从拥抱脸。 还包括一些音频和生成模型，以及使用Image Net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.. 文本，一个用于预处理语言理解AI模型的库，基于最近引入的Rugged Tensor..

这个消息是在加州长滩举行的机器学习国际会议(ICML)开始时发布的。 今年，ICML首次鼓励研究人员在研究的同时提交代码，以证明结果。 因此，大约36%的提交论文和67%的接受论文包括代码。

与学术大学相关的研究人员比与公司或企业合作的研究人员更有可能共享代码。 学术研究人员提交的90%的工作包括代码，而技术行业只有27.4%的工作。

卡马利卡·乔杜里(Kamalika Chaudhuri)和鲁斯兰·萨拉胡特迪诺夫(Ruslan Salakhutdinov)在一篇媒体文章中写道：“我们希望未来的节目主持人将继续并改进这一过程，社区将走向及时发布代码和提高可重复性的文化。

2018年人工智能指数报告发现，在政府、学术和公司研究人员撰写的研究论文数量稳步增长的情况下，ICML是出席率最高的年度人工智能会议之一。

在其他新闻中，上个月，Py火炬1.1发布了Tensor Board支持ML培训可视化和改进的JIT编译器。