开源三年4.3k星的张量工具终于中顶会了!网友:ICLR你做得好啊
source link: https://www.51cto.com/article/700929.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。
那个在GitHub标星4.3k的张量操作工具Einops,在开源三年后终于中了顶会!
这是一个统一的、通用的操作张量结构的方法,基于爱因斯坦求和约定(Einstein summation convention)的思路开发,能够大幅提高代码的可读性和易修改性。
同时,Einops支持Pytorch、TensorFlow、Chainer、Jax、Gluon等多个深度学习框架,以及Numpy、Cupy等张量计算框架。
ICLR 2022将其接收为Oral论文的消息一出,无数白嫖多年的“精神股东”们纷纷奔走相告,认为Einops确实“当之无愧”:
不过,这一早就声名在外,还有无数大牛站台的工具,在投往顶会后却并非一帆风顺。
比爱因斯坦求和约定更好用的标记法
我们先来了解一下Einops的基本原理。
它的设计思路来自于爱因斯坦在1916年提出的爱因斯坦求和约定,也叫爱因斯坦标记法(Einstein notation)。
这一方法的规定是:当一组乘积中,有两个变量的脚标一样,就要对相同的两个脚标求和。例如下图中的aibi:
这样书写的好处是,避免公式里出现大量的求和符号,看起来更简洁。
Numpy里的Einsum就是一种模仿爱因斯坦求和约定的方法,可以说,这种思路已经被广泛使用。
而Einops正是基于Einsum进行了诸多改进,针对张量操作过程中一些以前难以解决的问题,提供了更加便利的方案。
比如,当仅通过Pytorch,以及结合Einops两种方法来实现超分辨率(Super-resolution)时,后者无疑极大降低了代码冗余:
△上:原版 下:结合Einops
可以看到,结合了Einops之后的代码不需要特殊指令PixelShuffle,并且,还使用了模块调用nn.ReLU以及nn.Sequential。
最后得到的输出结果既不包含虚假坐标,还能在框架之间进行转移。
为什么Einops能做到这些?
这得益于Einops的本质:这是一种针对变换模式的新的标记法,能够确保元素在张量中的位置与坐标变量的值一对一映射。
△Numpy和Einops操作之间的对应关系
对比爱因斯坦求和约定(Einsum),Einops有几个额外的特征:
- 减少仅存在于输入中的坐标(例如可以使用max-reduction法)
- 重复仅存在于输出中的坐标(张量值对于新坐标的索引都是一样的)
- 使表达式两边的所有坐标的标记唯一(Einsum允许重复)
在这些特征中,输入和输出被描述为张量的维度和坐标的预期顺序,这使得基于Einops的代码的可读性和易修改性非常高,用户也不需要在每次操作后记住或推断出张量的形状。
同时,Einops将输入坐标(或其组成)与输出坐标连接起来,这也使得张量结构在设计上就无法被破坏。
用括号表示的坐标的组成和分解也是Einops的一个主要创新之处:
通过上述的特点,Einops模式有利于更加灵活地处理高维度数据。
比如,一个注意力机制函数接受了一个形状为[batch,seq,channel]的张量k q v,Einops可以将其高度、宽度和深度合成为一个维度。
同时,张量的头部和batch维度也能够被分组,这就保证了注意力头部的独立处理,从而将其变为三维数据的多头注意力:
类似的,通过修改输入和输出的结构,其他神经块也能够在Einops模式下完成“升级”。
论文接收并非一帆风顺
Einops的作者是来自俄罗斯的Alex Rogozhnikov,他拥有莫斯科大学的数学和物理学博士学位,目前的主要研究领域是机器学习。
而Einops正是他最火热的一项开发,不仅在GitHub上收获4.3k星,还有特斯拉AI高管、FAIR实验室工程师站台:
但是,当作者将其整理成论文并投稿顶会时,有不少审稿人认为这篇论文“读起来像是一篇技术博客”、“创新性不够”、“缺乏严谨性”,并给出了3分(拒绝)的意见:
不过,会议主席最终给出了一锤定音的正面评价,并同意将其接收为Oral论文。
比起将几个模块共同训练、压缩、结合,最后在某个任意基准上的SOTA增加0.31 +/-1.04,这篇论文所描述的技术对于ICLR读者来说更重要。
有Einops的使用者专门将会议主席最后的评价贴了出来,并表示:
除了新颖的技术和SOTA之外,其他的很多论文也同样具有价值。
而不管这篇论文有何更广泛的鼓励意义,至少对于开发者Alex Rogozhnikov本人来说,也算是修成正果了。
https://openreview.net/forum?id=oapKSVM2bcj
GitHub链接:
https://github.com/arogozhnikov/Einops
作者主页:
Recommend
-
71
后台交互设计:关于中后台系统设计的4个原则
-
54
-
45
终于中签了,祝回复的大家都能中 - 今天终于中了宁德…希望有个几万的收益吧?也希望过来回复的网友,人人中签。
-
37
-
28
数学是机器学习的基础。斯坦福大学教授 Stephen Boyd 联合加州大学洛杉矶分校的 Lieven Vandenberghe 教授出版了一本基础数学书籍,从向量到最小二乘法,分三部分进行讲解并配以辅助资料。此外,这本书也是斯坦福 EE103 课程、UC...
-
21
苍天啊大地啊,终于中签了,2020第一签! - 天天打天天空,天天亏钱天天怂,终于中奖了,感谢老天爷!
-
1
关于中证1000股指期货和股指期权合约及相关规则向社会征求意见的通知
-
3
三星发布Exynos 1380/1330采用5nm工艺,将用于中端Galaxy A系列智能手机
-
8
超能课堂(325)为什么说ATX 3.0规格对于中瓦数电源有更重要的意义?
-
0
开篇明义,前端已死?根本就是扯淡。前端技术精微渊...
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK