TensorFlow Model Garden: Bộ Model TF2 Chính Thức

TensorFlow Model Garden Là Gì?

TensorFlow Model Garden là một repository GitHub do chính đội ngũ TensorFlow duy trì, tập hợp các bản triển khai model tiên tiến (SOTA) dành cho người dùng TensorFlow. Repo chia thành bốn phần: official (bản triển khai TF2 do TensorFlow duy trì), research (code TF1 hoặc TF2 do các nhà nghiên cứu duy trì), community (danh sách chọn lọc các repo TF2 bên ngoài), và orbit (thư viện nhẹ cho vòng lặp huấn luyện, xây quanh tf.distribute).

Bộ Sưu Tập Model Và Thư Viện

• ✓Thư mục official chứa các bản triển khai SOTA xây trên API cấp cao của TF2, do TensorFlow duy trì và cập nhật, được tối ưu để chạy nhanh nhưng vẫn dễ đọc; có hướng dẫn chi tiết hơn tại tensorflow.org/tfmodels.
• ✓Thư mục research chứa các bản triển khai bằng TensorFlow 1 hoặc 2 do chính các nhà nghiên cứu duy trì, khác với cam kết duy trì của TensorFlow dành cho official.
• ✓Thư mục community là danh sách chọn lọc các repository GitHub bên ngoài có model machine learning xây trên TensorFlow 2; code nằm ở các repo đó, không nằm trong repo này.
• ✓orbit là thư viện nhẹ để viết vòng lặp huấn luyện TF2.x tuỳ chỉnh, xây để hoạt động cùng tf.distribute trên CPU, GPU, và TPU.
• ✓Log huấn luyện của các model được đăng lên TensorBoard.dev khi có thể, theo README, dù không phải model nào cũng có log.
• ✓Hai package pip xuất ra từ cùng codebase này: tf-models-official cho bản ổn định và tf-models-nightly, build lại mỗi ngày từ nhánh master.

Bắt Đầu Cài Đặt

README nêu hai cách cài. Cách 1: chạy `pip3 install tf-models-official` để lấy package ổn định cùng các dependency, cài tự động; xem trang releases trên GitHub để biết mỗi bản có gì. Cách 2, nếu bạn cần code từ nhánh master: clone repo bằng `git clone https://github.com/tensorflow/models.git`, thêm thư mục `models` cấp cao nhất vào `PYTHONPATH` (`export PYTHONPATH=$PYTHONPATH:/path/to/models`, hoặc lệnh tương đương cho PowerShell/Colab mà README liệt kê), rồi chạy `pip3 install --user -r models/official/requirements.txt`. Nếu bạn làm việc với model NLP, cài thêm `tensorflow-text-nightly`. README cũng dẫn tới một notebook import thư viện cơ bản và một notebook xây model NLP làm ví dụ.

Dùng Ví Dụ Trong Model Garden

Ngoài hai notebook ví dụ mà README dẫn tới, một notebook import thư viện cơ bản và một notebook xây model NLP, cách dùng hàng ngày (load checkpoint, cấu hình huấn luyện, hay chạy inference trên dữ liệu của bạn) không được nêu rõ trong các dữ kiện có ở đây. Hãy coi hướng dẫn riêng của thư mục official tại tensorflow.org/tfmodels là nơi để tìm chi tiết dùng API.

Tài Nguyên Model TensorFlow Khác

Câu Hỏi Thường Gặp

Vấn đề Model Garden giải quyết

Việc chuyển một model đã công bố trong paper thành code TensorFlow chạy được tốn khá nhiều công sức: phải khớp đúng hyperparameter, pipeline dữ liệu, và chi tiết vòng lặp huấn luyện mà paper thường bỏ qua. README của TensorFlow Model Garden đóng khung mục đích của repo quanh đúng khoảng trống đó cho người dùng TensorFlow: thư mục official tồn tại để minh hoạ cách làm tốt trong modeling, để một dự án TF2 không phải tự dựng lại kiến trúc SOTA từ đầu, với log huấn luyện được đăng lên TensorBoard.dev để tăng tính minh bạch khi có thể.

Trường hợp sử dụng tốt nhất

• •Bắt đầu một dự án TF2 từ một bản triển khai SOTA có sẵn thay vì tự chuyển pseudocode trong paper thành code, qua thư mục official.
• •Đào sâu vào code research bằng TF1/TF2 để tìm kỹ thuật chưa có trong official, biết rằng việc duy trì ở đây thuộc về tác giả paper chứ không phải TensorFlow.
• •Lướt qua thư mục community để tìm các dự án TF2 bên ngoài mà đội khác đã xây, thay vì viết model từ đầu.
• •Viết vòng lặp huấn luyện TF2.x tuỳ chỉnh với phân tán CPU, GPU, hoặc TPU bằng orbit thay vì tự viết boilerplate cho tf.distribute.
• •Trích dẫn một bản triển khai cụ thể của TensorFlow Model Garden trong paper bằng đoạn BibTeX mà README cung cấp.

Ai nên dùng — và ai nên bỏ qua

Hãy thử TensorFlow Model Garden nếu bạn đang xây trên TensorFlow 2 và muốn có một bản triển khai SOTA sẵn sàng để xây tiếp thay vì tự chuyển pseudocode trong paper thành code; thư mục official là nơi nên xem trước tiên. Bỏ qua nếu stack của bạn dùng PyTorch, vì các bản triển khai này xây quanh API riêng của TensorFlow, hoặc nếu bạn kỳ vọng các dự án được liệt kê trong community nằm sẵn trong repo này thay vì chỉ được dẫn link tới.