乐趣区

关于人工智能:开箱即用的-Embedding-流水线

jiezi

“万物皆可 Embedding”这句话仿佛每个做算法模型小伙伴都听过了。“万物”具体是指什么呢？Embedding 又是如何实现的呢？本文介绍了一款像积木般易于组合、开箱即用的 Embedding 流水线。

本文转载自知乎用户 CSY，转载已取得原作者受权。原文请见：https://zhuanlan.zhihu.com/p/…

万物皆可 Embedding

在大数据的事实世界中，包含了任何内容：图片、视频、语音、文本，甚至 3D 模型等，这些可统称为非结构化数据。理解了所谓的“万物”，那 Embedding 又指什么？如下图所示，针对非结构化数据，咱们利用 AI 技术来对其进行编码，转换成特征向量，通过计算向量实现对非结构化数据的剖析。通常将非结构化数据提取向量的过程称为 Embedding。

开箱即用的 Embedding 流水线——Towhee

Embedding 过程通常利用 AI 模型来实现，而模型应用包含调研、选型、训练与调优等简单且老本较高的流程，好在业界已提供很多预训练好的模型能够间接用，但如何切换模型以及疾速上手，就须要一套开箱即用的流水线（Pipeline）。

“X2Vec, Towhee is all you need!” 是 Towhee 这个开源我的项目的口号，它提供开箱即用的 Embedding 流水线，你无需理解外部工作原理，就能够开发和部署各种各样的流水线。

如上图所示，针对各种各样的视频利用场景，能够将流水线进行拆分，如图像处理和音频解决两个流水线。首先，截取视频帧，而后对截取到的图片集进行解决，失去特征向量；再获取视频中的音频数据，提取音频的特征向量。通过对图片帧和音频的解决来进一步剖析视频，当然图片和音频的 embedding 也能够各自定义为一个流水线，并且流水线的应用非常简单，只须要运行 pipeline(pipeline_name:str)，而这些流水线都被治理在 Towhee Hub 上，你也能够在 Hub 上寻找你须要的 Embedding 流水线。

Towhee Hub 地址（点击右侧的 Categories 能够进行筛选）：https://towhee.io/pipelines?l…

图像 Embedding

Towhee 目前反对多个图像 Embedding 流水线，包含 resnet50，resnet101，efficientnetb5，efficientnetb7，vitlarge，swinbase，swinlarge，efficientnetb7-swinlarge-ensemble。 值得关注的是 efficientnetb7-swinlarge-ensemble，它将 efficientnetb7 和 swinlarge 模型交融得出更优的模型成果。

>>> from towhee import pipeline>>> embedding_pipeline = pipeline('towhee/image-embedding-resnet50')>>> embedding = embedding_pipeline('path/to/your/image')

音频 Embedding

Towhee 反对基于 VGGish 和 CLM 模型的音频 Embedding 流水线，vggish 能够帮忙实现音频分类工作，clmr 通常用于提取音频或者音乐的指纹。

>>> embedding_pipeline = pipeline('towhee/audio-embedding-vggish')>>> embedding = embedding_pipeline('path/to/your/audio')

视频 Embedding

就像拼图一样，Towhee 能够将图片 Embedding 流水线和音频 Embedding 流水线联合实现视频 Embedding 流水线（开发中）。

>>> embedding_pipeline = pipeline('towhee/video-embedding-resnet50-vggish')>>> embedding = embedding_pipeline('path/to/your/video')

下面列举了图片、音频、视频 Embedding 流水线的例子，除了这些，Towhee 还会继续欠缺各种非结构化数据处理的模型，比方文本、多模态 Embedding 等。当然如果你有什么好的模型倡议，或者不同的需要，都非常欢送在 Towhee 我的项目下提 issue，为 Towhee 社区做奉献～

Towhee GitHub 地址：https://github.com/towhee-io/…

Towhee 框架概览

你可能会好奇，为什么 towhee 应用 Embedding 流水线如此简略？仿佛只须要指定模型就能够间接运行，接下来为你简略介绍下 Towhee 框架。Towhee 次要蕴含了流水线（Pipelines），算子（Operators），引擎（Engine），以及模型相干的模型层（Layers）和训练（Trainer）。

  • Pipeline: 一条流水线是由多个算子组成的 Embeddding 工作。
  • Operator: 算子是管道中的单个节点。它能够是机器学习模型、简单算法或 Python 函数。Towhee 将多个算子连贯在一起组成流水线。
  • Engine: 引擎是 Towhee 的外围。给定一个流水线，引擎会驱动各个算子之间的数据流、调度工作，并监控计算资源（CPU/GPU/ 等）的应用状况。
  • Layers: 模型层用于疾速构建机器学习模型，它反对各种经典和新公布的模型。
  • Trainer: 训练提供模型训练与优化，它治理着模型训练的各个组件。

总结

正如 Towhee Logo 的设计初衷——帮忙用户把机器学习利用中所用到的流水线模块化，就像积木或拼图一样易于组合。Towhee 不光提供了开箱即用的 Embedding 流水线，你还能够创立任何你想要的 operator，而后拼图式的搭建各种所需的流水线。


Towhee 作为一个开源我的项目，如果你有任何需要都能够给社区提 ISSUE 并退出社区的探讨，十分欢送大家成为 Towhee 的贡献者！

Towhee website: https://towhee.io

GitHub: https://github.com/towhee-io/…

Slack: https://slack.towhee.io

Twitter: https://twitter.com/towheeio

退出移动版