PyTorch Hub zum Bereitstellen von Machine-Learning-Modellen eröffnet

Das Team der von Facebook entwickelten Machine-Learning-Bibliothek PyTorch hat mit dem PyTorch Hub einen Sammelplatz für vorgefertigte Machine-Learning-Modelle gestartet. Darin sollen Nutzer eigene Modelle hochladen und auf die anderer Entwickler zugreifen können. Das soll laut den PyTorch-Machern das Forschungsfeld allgemein vorantreiben und den Einstieg für Neulinge vereinfachen. Das PyTorch Hub verfügt außerdem über eine Anbindung an Google Colab, einer kostenlosen Jupyter-Notebook-Umgebung sowie an Papers With Code, einer Sammlung kostenfreier Forschungsarbeiten im ML-Umfeld.

PyTorch Hub im Überblick

Das PyTorch Hub soll laut dem Blogbeitrag zur Ankündigung über eine einfache API und Workflow verfügen, mit dem die Betreiber den Grundsteig für eine leichtere Reproduzierbarkeit für die Machine-Learning-Forschung legen wollen. Entwickler sollen bestehende, bereits trainierte Modelle (inklusive Modelldefinitionen und trainierte Gewichtungen) zum Hub hinzufügen können, indem sie eine hubconf.py-Datei in ihr GitHub-Repository hinzufügen. Wer hingegen ein Modell laden möchte, kann die torch.hub.load()-API nutzen.

Ist die hubconf.py-Datei eingefügt, können Entwickler ein Pull Request auf Basis eines Templates senden. Laut dem PyTorch-Team soll das Hub kuratiert sein und nur solche Modelle enthalten, die einfach reproduzierbar und von hoher Qualität sind. Es kann daher vorkommen, dass Entwickler um Änderungen an der Pull Request gebeten werden oder Modelle es schlicht nicht in das Hub schaffen.

PyTorch selbst hat im vergangenen Dezember die erste Vollversion erreicht. Damit liegt die Bibliothek nach rund zwei Jahren Entwicklung in einer für die Produktion geeigneten Version vor. Weitere Informationen zum Hub und eine Liste der bereits aufgenommen Modelle findet sich auf der Website des Projekts. (bbo)