Facebook研究开放新框架，让深度学习更加容易

（文章来源：读芯术）

FAIR一直是深度学习领域研究和开源框架的定期贡献者。从PyTorch到ONNX, FAIR团队为实现深度学习应用程序的简化做出了不可思议的贡献。在过去几周里，FAIR增加了三个新的系列开源框架。Polygames是一个开源的研究框架，通过自我游戏的方式来训练深度学习网络。Polygames基于著名的“零学习”概念，即允许代理无需进行任何预先设定的训练，而是通过与环境交互来掌握环境。

乍看之下，Polygames似乎与Alpha Zero或ELF OpenGo等其他游戏学习框架类似，但FAIR堆栈也有自己的贡献。对于初学者来说，Polygames支持更广泛的战略游戏列表，如Hex、Havannah、Minishogi、Connect6、Minesweeper、Mastermind、EinStein wurfelt nicht!、Nogo和Othello。他们为研究人员提供了更广泛的环境来测试深度学习网络。

此外，Polygames还以一个巧妙的架构扩展了传统的零学习概念，该架构结合了深度神经网络和蒙特卡罗树搜索方法。这种架构允许网络泛化到更多的任务和环境。Polygames框架的一个意想不到的好处是代理中神经可塑性的创建。Polygames的模型是渐进式的——框架带有一个用于添加新层和通道或增加内核宽度的脚本——它们能够进行热启动训练，允许神经网络随训练成长。

从编程模型的角度来看，Polygames提供了一个包含游戏的库，以及一个实现游戏的单文件API。开发人员的经验是基于PyTorch的，因此易于上手。

FAIR团队在Polygames上取得了一些里程碑式的成绩，包括在Hex19游戏中击败人类顶级玩家。该游戏由诗人、数学家皮特·海因(Piet Hein)、 约翰·纳什(John Nash)和经济学家于20世纪40年代开发，它挑战了一些传统的人类游戏思维过程。规则很简单。黑色和白色依次填充一个空单元格。如果把北方和南方连接起来，黑人就赢了;如果把西方和东方连接起来，白人就赢了。馅饼规则使游戏更加公平:在第二次移动时，第二个玩家可以决定交换颜色。这款游戏之所以困难，是因为作为一款连接游戏，它的奖励是基于全局而非局部的标准。

在一系列的实验中，Polygames在Hex游戏中击败了人类中的顶尖玩家。结果如下图所示，在图中，人类玩家操纵白色棋子。第一个图像表示Hex的开局。在游戏的第二阶段，人类(白色)似乎赢了——两个坚实的组分别连接到东和西，并互相互靠近连接。然而，Polygames能够扭转这种局面，创造了一个相当复杂的中心位置。随着Polygames使用两个可能的路径之一，它找到了一个成功的组合并展开了这个位置。

PyTorch3D是一个用于在3D环境中训练深度学习网络的框架。尽管有大量的视觉智能系统需要在现实环境中运行，但在3D环境中训练这类智能体的工具和框架仍然受到高度限制。PyTorch3D是一个高度模块化和优化的库，具有独特的功能，旨在让使用PyTorch的3D深度学习更容易。PyTorch3D为快速可微的3D数据提供了一组常用的3D操作符和损失函数，以及一个模块化可微绘制API，使研究人员能够立即将这些函数导入当前最先进的深度学习系统。

PyTorch3D利用了最近在3D深度学习方面的几个最新里程碑，如FAIR的MeshR-CNN，它实现了复杂室内空间图像的完整3D对象重建。该框架还使用Detectron2，这是一个高度优化的2D识别库，可以成功将对象理解推向第三维。PyTorch3D处理旋转和3D转换的功能也是创建C3DPO的核心，C3DPO是一种使用较少注释的训练数据学习图像和3D形状之间关联的新方法。

探索高维数据是深度学习应用的挑战之一。HiPlot是一个交互式可视化工具，它帮助人工智能研究人员发现高维数据中的相关性和模式，并使用平行图和其他图形方式来表示信息。HiPlot使用一种称为平行图的威廉希尔官方网站 ，这是一种可视化和过滤高维数据的方便做法。

从功能的角度来看，HiPlot与其他可视化工具相比有以下几个优势：交互性：在HiPlot中，平行图是交互式的，这使得在不同的场景中可视化很容易。例如，你可以专注于沿着一个或多个轴获取范围或值，根据另一个轴设置配色方案，重新排序或删除轴，或提取特定的数据选择。简洁性：使用Hiplot只需要几行代码。通过带有“Hiplot”命令的服务器，就可以通过一个给定的URL访问它，并使用它来可视化、管理和共享实验。基于种群的训练可视化：HiPlot提供了一种简单的方法来可视化XY图中基于种群的训练实验，该图中，不同数据点之间是有边缘的。这种可视化在深度学习实验中非常普遍。

在深度学习的几个领域，Facebook的FAIR团队还在继续创新，并积极为开源社区做出贡献。PyTorch3D、Polygames和HiPlot是FAIR的最新贡献，旨在实现深度学习应用程序的简化。
（责任编辑：fqj）