比Pytorch Hub更早？三分钟带你弄懂PaddleHub！

作者： Charlotte77

微信公众号： 我爱PaddlePaddle

Hub是什么？Hub本意是中心，docker有docker Hub，大家可以把自己创建的镜像打包提交到docker hub上，需要的时候再pull下来，非常方便，那么模型是不是也可以这样玩呢？完全可以啊！很多时候我们不需要从头开始训练模型，如果有预训练好的模型，直接做迁移学习就可以，但是传统的方式基本上都需要从各个官网上去下载，模型比较大，用起来并不轻量。现在各家都发布了Hub ，可以直接从Hub上下载pretrain模型做finetune或预测，极大的减轻了工作量。下面直接从四个维度对比下Pytorch Hub和PaddleHub～

Pytorch Hub V.S PaddleHub

支持模型数量

Pytorch Hub 目前支持18个模型，PaddleHub支持29个，包含16个model和13个module，model可以直接使用，module提供了预训练模型的参数，支持命令行调用，下面来看看分别支持哪些模型：

Pytorch Hub目前支持18种模型

PaddleHub目前支持29种模型（包含model和module）

从图中可以看到，PaddleHub 支持的模型数量有绝对的优势 ；而Pytorch Hub涉及的方向更多，但是每个方向的模型并不多，对CV的支持更多；PaddleHub涉及的方向只有两个，CV和NLP，但是 对NLP的支持尤其多 ，高达22个，不仅包括目前最潮的BERT，还有百度自己研发的知识增强语义表示模型 ERNIE ，在多个中文NLP任务中 表现超过BERT 。

是否支持命令行运行

目前Pytorch Hub不支持命令行运行，但PaddleHub支 持，命令行运行就是指我们安装PaddleHub后，可以无需进入 python 环境，即可快速体验PaddleHub无需代码、一键预测的命令行功能。需要注意的是，在PaddleHub中，既可以支持命令行使用，即在终端输入，如下所示：

$ hub run XXX（nlp模型） --input_text XXX(需要预测的内容) 
$ hub run XXX（cv模型） --input_path XXX(需要预测的内容)

也可以支持调用api，如下所示：

import paddlehub as hub 

hub.finetune_and_eval( 
task, 
data_reader, 
feed_list, 
config=None)

实际上，PaddleHub为Model和Module的管理和使用都提供了命令行工具，但是model和module是有区别的，一个是模型，一个是模块。 

model表示预训练好的参数和模型 ，当需要使用Model进行预测时，需要模型配套的代码，进行模型的加载，数据的预处理等操作后，才能进行预测。我们在使用PaddleHub来调用模型时，可以使用hub download 命令获取到最新的model再进行实验。 module是model的一个可执行模块 ，简单来说，一个Module可以支持直接命令行预测，也可以配合PaddleHub Finetune API，通过少量代码实现迁移学习。需要注意的是，不是所有的Module都支持命令行预测; (例如BERT/ERNIE Transformer类模型，一般需要搭配任务进行finetune) 也不是所有的Module都可用于finetune（例如LAC词法分析模型，我们不建议用户用于finetune），具体区别请见PaddleHub的github wiki（参考文献2）

是否支持Fine-tune

PyTorch Hub 没有Fine-tune接口，PaddleHub可以支持直接从hub调用Fine-tune 的api 。在https://pytorch.org/官网下的文档中可以看到，目前Pytorch Hub不支持hub一键式fine-tuning，现有模型的finetuning还是基于传统的脚本式调参。

PaddleHub在Fine-tune这一块做的很完善，在前一个板块也给大家详细举了示例讲解，在PaddleHub的官方GitHub中，有非常详细的Fine-tune教程，大家可以参考：

PaddleHub图像分类迁移 ： 

https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub 图像分类迁移教程 

PaddleHub文本分类迁移 ：

https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub文本分类迁移教程

是否支持用户自定义上传模型

PyTorch Hub 支持，PaddleHub不支持 。我看了https://pytorch.org/官网下的文档，只需要在开源的模型代码里增加了一个hubconf.py, 然后在pytorch/hub里提一个pr，cr后merge到 branch/tag 这个分支就ok了。方法非常简单，代码也不复杂。

torch.hub.load(github, model, force_reload=False, *args, **kwargs)

PaddleHub目前暂时还不支持用户自己提交新模型，但后期应该会支持这个功能，到时候希望大家能踊跃使用，push自己的新模型哦～

总结一下四个维度的比较：

总之，从这四个维度上，我个人感觉Pytorch Hub更像一个小工具，帮助大家迅速试用一下开源的新模型，但是真正到实际应用，还是要基于老的一套的fine-tuning，不能直接从hub里调用fine-tune的api，所以并不实用。  从工业级实用的角度来说 ， PaddleHub做的要更成熟一些 ，用户可以更方便的使用PaddleHub来进行Fine-tune。

下面，我们具体来看看PaddleHub 如何直接使用命令行 ，调用一行代码show出结果&  使用Finetune Api来对模型进行微调 ，并举一个实例教大家一步一步实现。

一行命令调用，直接输出结果

PaddleHub安装

• 环境依赖

• Python==2.7 or Python>=3.5

• PaddlePaddle>=1.4.0

• 安装

• pip install paddlehub

命令行快速体验

安装好后，不需要进入python环境import就可以直接先体验hub的便捷，因为在PaddleHub中hub可以作为一个独立的模块直接运行。PaddleHub目前包含图像分类、目标检测、词法分析、Transformer、情感分析五大类。

一行代码预测

• 分词

# 使用百度LAC进行分词 • 
$ hub run lac --input_text "今天的你真好看" 
[{'tag': ['TIME', 'u', 'r', 'd', 'a'], 'word': ['今天', '的', '你', '真', '好看']}]

• 情感分析

# 使用百度Senta情感分析模型对句子进行预测 
$ hub run senta_bilstm --input_text "老铁666，带你开黑" 
[{'text': '老铁666，带你开黑', 
'sentiment_key': 'positive', 'sentiment_label': 2, 'positive_probs': 0.72
06, 'negative_probs': 0.2794}]

• 目标检测

#使用SSD检测模型对图片进行目标检测 
hub run ssd_mobilenet_v1_pascal --input_path test_img_bird.jpg

检测结果：

• 图像识别

# 使用resnet-50做图像识别 
hub run resnet_v2_50_imagenet --input_path test_img_bird.jpg 
Install Module resnet_v2_50_imagenet 
Downloading resnet_v2_50_imagenet 
[==================================================] 100.00% 
Uncompress /root/.paddlehub/cache/resnet_v2_50_imagenet 
[==================================================] 100.00% 
Successfully installed resnet_v2_50_imagenet-1.0.0 
[[{'brambling': 0.4907981}]]

注：模型未下载时会先下载再预测，也可以先试用hub install model_name 下载好模型再使用hub run预测,也可直接运行hub run。hub一共有十个命令，其他命令可参考PaddleHub命令行工具（参考文献2）

支持29种模型

PaddleHub目前支持29种模型，主要以CV和NLP模型为主，包括NLP目前最火的BERT和百度自己自己研发开源的ERNIE，以及CV中的ssd-mobilenet、resnet-50、resnet-152等。

• NLP预测

数据通过 —input_text或—input_file导入来实现单次预测和批量预测

# 单文本预测 
hub run lac --input_text "今天是个好日子" 
# 多文本分析 
hub run lac --input_file test.txt

• CV预测

数据通过—input_path或—input_file导入来实现单次预测和批量预测

# 单张照片预测 
hub run ssd_mobilenet_v1_pascal --input_path test.jpg 
# 多张照片预测 
hub run ssd_mobilenet_v1_pascal --input_file test.txt

支持迁移学习，Fine-tune更Easy

Fine-tune全景图

PaddleHub+Finetune流程图

PaddleHub Finetune api

Fine-tune是迁移学习中使用最多的方式之一，通常我们可以在预训练好的模型上进行微调来实现模型迁移，从而达到模型适应新领域(Domain)数据的目的。上图是做一个完整的迁移学习需要的步骤，下面举个实例教大家如何用PaddleHub做图像分类迁移学习。

1. 准备工作

安装 PaddlePaddle 和 PaddleHub

pip install paddlepaddle( 推荐安装1.4.0版本以上) 
pip install paddlehub

2. 选择模型

此处使用经典的 ResNet-50 作为预训练模型

module_map = { 
"resnet50": "resnet_v2_50_imagenet", 
"resnet101": "resnet_v2_101_imagenet", 
"resnet152": "resnet_v2_152_imagenet", 
"mobilenet": "mobilenet_v2_imagenet", 
"nasnet": "nasnet_imagenet", 
"pnasnet": "pnasnet_imagenet" 
} 
module_name = module_map["resnet50"] 
module = hub.Module(name = module_name)

3. 准备数据

# 直接用PaddleHub提供的数据集 
dataset = hub.dataset.DogCat()# 生成readerdata_reader = hub.reader.ImageClassificationReader( 
image_width=module.get_expected_image_width(), 
image_height=module.get_expected_image_height(), 
images_mean=module.get_pretrained_images_mean(), 
images_std=module.get_pretrained_images_std(), 
dataset=dataset)

4. 组建 Finetune Task

由于猫狗分类是一个二分类的任务，而我们下载的分类 module 是在 ImageNet 数据集上训练的千分类模型，所以我们需要对模型进行简单的微调，把模型改造为一个二分类模型：

1.  获取 module 的上下文环境，包括输入和输出的变量，以及 Paddle Program ；

2. 量中找到特征图提取层 feature_map ；

3.  在 feature_map 后面接入一个全连接层，生成 Task

input_dict, output_dict, program = module.context(trainable=True) 
img = input_dict["image"] 
feature_map = output_dict["feature_map"] 

task = hub.create_img_cls_task( 
feature=feature_map, num_classes=dataset.num_labels) 

feed_list = [img.name, task.variable("label").name]# 设置
configconfig = hub.RunConfig(use_cuda=False, 
num_epoch=1, 
checkpoint_dir="cv_finetune_turtorial_demo", 
batch_size=32, 
log_interval=10, 
eval_interval=50, 
strategy=hub.finetune.strategy.DefaultFinetuneStrategy())

5. 启动 Fine-tune 并查看效果

可以选择 finetune_and_eval 接口来进行模型训练，这个接口在 finetune 的过程中，会周期性的进行模型效果的评估，以便我们了解整个训练过程的性能变化。

hub.finetune_and_eval( 
task, feed_list=feed_list, data_reader=data_reader, config=config)

训练过程中的性能数据会被记录到本地，我们可以通过 VisualDL 来可视化这些数据。我们在 shell 中输入以下命令来启动 VisualDL ，其中 ${HOST_IP} 为本机 IP ，需要用户自行指定

$ visualdl --logdir ./cv_finetune_turtorial_demo/vdllog --host ${HOST_IP} --port 8989

启动服务后，我们使用浏览器访问 ${HOST_IP}:8989 ，可以看到训练以及预测的 loss 曲线和 accuracy 曲线。最后再按照常规流程对模型进行预测即可。

参考资料： 

1.PaddleHub官方github：

https://github.com/PaddlePaddle/PaddleHub 

2.PaddleHub命令行工具：

https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub命令行工具 

3.Paddle-code：

https://github.com/huxiaoman7/PaddlePaddle_code 

4.Paddle-models：

https://github.com/PaddlePaddle/models 

5.Pytorch Hub：

https://pytorch.org/blog/towards-reproducible-research-with-pytorch-hub/

ps：最后给大家推荐一个GPU福利-Tesla V100免费算力！配合PaddleHub能让模型原地起飞～扫码下方二维码申请～