作者|Ram Sagar
編譯|VK
來源|Analytics In Diamag
“庫開發人員不再需要在框架之間進行選擇，”
來自德國圖賓根人工智能中心的研究人員介紹了一種新的Python框架EagerPy，EagerPy允許開發人員撰寫獨立于PyTorch和TensorFlow等流行框架的代碼，
在最近發表的一篇關于EagerPy的文章中，研究人員寫道，庫開發人員不再關注框架依賴性，他們的新Python框架，急切地解決了它們的重新實作和代碼復制障礙，
例如，Foolbox是一個構建在EagerPy之上的Python庫，該庫是用EagerPy而不是NumPy重寫的，以實作在PyTorch和TensorFlow中開發，并且只有一個代碼庫，沒有代碼重復，Foolbox是一個對機器學習模型進行對抗性攻擊的庫，
框架無關的重要性
為了解決框架之間的差異，作者探索了句法偏差，在PyTorch的情況下，使用In-place的梯度需要使用_grad_()，而反向傳播是使用backward()呼叫的，
然而，TensorFlow提供了一個高級管理器和像tape.gradient這樣的函式來查詢梯度，即使在句法層面，這兩個框架也有很大的不同，例如，對于引數，dim vs axis；對于函式，sum vs reduce_sum，
這就是“EagerPy ”發揮作用的地方，它通過提供一個統一的API來解決PyTorch和TensorFlow之間的差異，該API透明地映射到各種底層框架，而無需計算開銷，
“EagerPy允許你撰寫自動使用PyTorch、TensorFlow、JAX和NumPy的代碼，”
研究人員寫道，EagerPy專注于Eager執行，此外，它的方法是透明的，用戶可以將與框架無關的EagerPy代碼與特定于框架的代碼結合起來，
TensorFlow引入的eager執行模塊和PyTorch的相似特性使eager執行成為主流，框架更加相似，然而，盡管PyTorch和TensorFlow2之間有這些相似之處，但撰寫框架無關的代碼并不簡單，在語法層面，這些框架中用于自動微分的api是不同的，
自動微分是指用演算法求解微分方程，它的作業原理是鏈式規則，也就是說，求解函式的導數可以歸結為基本的數學運算（加、減、乘、除），這些算術運算可以用圖形格式表示，EagerPy特別使用了一種函式式的方法來自動區分，
下面是一段來自檔案的代碼片段：
import eagerpy as ep
x = ep.astensor(x)
def loss_fn(x):
#這個函式接受并回傳一個eager張量
return x.square().sum()
print(loss_fn(x))
# PyTorchTensor(tensor(14.))
print(ep.value_and_grad(loss_fn, x))
首先定義第一個函式，然后根據其輸入進行微分，然后傳遞給ep.value_and_grad 來得到函式的值及其梯度，
此外，norm函式現在可以與PyTorch、TensorFlow、JAX和NumPy中的原生張量和陣列一起使用，與本機代碼相比幾乎沒有任何開銷，它也適用于GPU張量，
import torch
norm(torch.tensor([1., 2., 3.]))
import tensorflow as tf
norm(tf.constant([1., 2., 3.]))
總之，EagerPy 旨在提供以下功能：
-
為快速執行提供統一的API
-
維護框架的本機性能
-
完全可鏈接的API
-
全面的型別檢查支持
研究人員聲稱，這些屬性使得使用這些屬性比底層框架特定的api更容易、更安全，盡管有這些變化和改進，但EagerPy 背后的團隊還是確保了eagerpy API遵循了NumPy、PyTorch和JAX設定的標準，
入門EagerPy：
使用pip從PyPI安裝最新版本：
python3 -m pip install eagerpy
import eagerpy as ep
def norm(x):
x = ep.astensor(x)
result = x.square().sum().sqrt()
return result.raw
了解更多關于“eagerpy”的資訊：https://eagerpy.jonasrauber.de/guide/autodiff.html
原文鏈接：https://analyticsindiamag.com/eagerpy-pytorch-tensorflow-coding/
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/196023.html
標籤：其他
上一篇：端到端機器學習專案：評論分類
下一篇：一個二分類下沒有免費午餐定理的題