Tic CLIP Bestpool Oracle

🚀 TiC-CLIP-bestpool-oracle のモデルカード

このリポジトリには、2014年から2022年までのデータを使って、TiC-DataComp-Yearly (xlarge, bestpool フィルタリング) でトレーニングされた TiC-CLIP モデルが含まれています。トレーニングには、修正版の OpenCLIP コードを使用しています。詳細については、GitHub リポジトリ を参照してください。

📚 ドキュメント

モデルの説明

大規模な基礎モデルを最新のデータで更新することは、本来的にコストがかかります。常に再トレーニングするという高額なコストを避けるために、これらのモデルを継続的にトレーニングすることが不可欠です。この問題は、大規模な継続学習のベンチマークやベースラインがないことでさらに深刻化しています。

私たちは、ビジョン言語モデルのトレーニングに関する最初のウェブスケールの時間継続型 (TiC) ベンチマークを導入します: TiC-DataComp、TiC-YFCC、および TiC-Redcaps。私たちの最大のデータセットである TiC-DataComp は、9年間 (2014 - 2022年) にわたる127億を超えるタイムスタンプ付きの画像テキストペアを含んでいます。

まず、ベンチマークを使用して、既存のモデルの時間的なロバスト性を測定するためのさまざまな動的評価を作成します。OpenAI の CLIP (2020年までのデータでトレーニング) が、OpenCLIP リポジトリの最近トレーニングされたモデルと比較して、2021 - 2022年の選りすぐりの検索タスクで約8%のゼロショット精度を失うことを示します。

次に、時間連続的なデータでモデルを効率的にトレーニングする方法を研究します。最後のチェックポイントからトレーニングを続け、古いデータを再生するという単純なリハーサルベースのアプローチが、スクラッチから再トレーニングする標準的な方法と比較して、コンピュートを2.5倍削減することを実証しています。コードは このURL で入手できます。

• 開発者: Apple
• ライセンス: LICENSE を参照

モデルのソース [オプション]

• リポジトリ: ml-tic-clip GitHub リポジトリ
• 論文: TiC-CLIP: Continual Training of CLIP Models, Garg, S., Farajtabar, M., Pouransari, H., Vemulapalli, R., Mehta, S., Tuzel, O., Shankar, V. and Faghri, F., International Conference on Learning Representations (ICLR), 2024.

✨ 主な機能

研究者は、事前学習された TiC-CLIP モデルを使用して、事前学習されたチェックポイントから始めて、翌年または翌月のデータで継続的にトレーニングすることで、継続学習方法をより迅速に設計することができます。

🚀 クイックスタート

これらのモデルは、DataComp 評価スイートおよび私たちが修正した DataComp バージョンと互換性があり、TiC-DataComp-Retrieval および TiC-DataCompNet での評価に使用できます。また、OpenCLIP コードを使用してトレーニングを再開するか、新しいトレーニングの初期化として使用することもできます。

GitHub リポジトリ の指示に従って評価セットを作成するか、38のデータセットでの標準評価については DataComp を参照してください。

以下のコードスニペットでは、TiC-DataComp データが準備され、GitHub リポジトリの指示に従っていることを前提としています。

トレーニング

YEAR=2016 # 2014 - 2016年のデータは1年にまとめられているため、2016年以前のモデルはありません
REPO="apple/TiC-CLIP-bestpool-oracle"
huggingface-cli download $REPO checkpoints/$YEAR.pt

## 累積トレーニング
pushd datacomp
final_data_dir=$TIC_DATACOMP_Y_PATH/train/$YEAR/
torchrun --nproc_per_node 8 --nnodes 1 \
    train.py \
    --scale "tic_medium" \
    --dataset_resampled \
    --data_dir $final_data_dir \
    --output_dir "./results/" \
    --exp_name "datacomp_medium-basic_cumulative" \
    --imagenet_val  $IMAGENET_VAL_PATH  \
    --save_frequency 1 \
    --resume
popd

評価

## モデルの評価
# ViT-B/16 モデルを TiC/Retrieval/Yearly/$YEAR および TiC/DataCompNet/Yearly/$YEAR で評価する
pushd datacomp
python ../dataset_creation/tic-datacomp/generate_tasklist.py --yaml-path tasklist.yml --sample-eval --eval-tasks retrieval/yearly,datacompnet/yearly
python evaluate.py --data_dir data/ --train_output_dir ./results --use_model "ViT-B-16 $YEAR.pt" --skip_hf --skip_db --skip_notification

OpenCLIP の読み込みと推論の例

import open_clip
from huggingface_hub import hf_hub_download
filename = hf_hub_download(repo_id="apple/TiC-CLIP-bestpool-cumulative", filename="checkpoints/2016.pt")
model, _, preprocess = open_clip.create_model_and_transforms('ViT-B-16', filename)
tokenizer = open_clip.get_tokenizer('ViT-B-16')

image = preprocess(Image.open("image.png").convert('RGB')).unsqueeze(0)
text = tokenizer(["a diagram", "a dog", "a cat"])

with torch.no_grad(), torch.cuda.amp.autocast():
    image_features = model.encode_image(image)
    text_features = model.encode_text(text)
    image_features /= image_features.norm(dim=-1, keepdim=True)
    text_features /= text_features.norm(dim=-1, keepdim=True)

    text_probs = (100.0 * image_features @ text_features.T).softmax(dim=-1)

print("Label probs:", text_probs)

🔧 技術詳細

トレーニングデータ

詳細は TiC-DataComp を参照してください。

トレーニング手順

TiC-CLIP 論文の2 - 3章を参照してください。

📄 ライセンス

• ライセンス: custom-apple-license

📖 引用

TiC-CLIP: Continual Training of CLIP Models. (ICLR 2024) Garg, S., Farajtabar, M., Pouransari, H., Vemulapalli, R., Mehta, S., Tuzel, O., Shankar, V. and Faghri, F..

@inproceedings{garg2024tic,
  title={TiC-CLIP: Continual Training of CLIP Models},
  author={Garg, Saurabh and Farajtabar, Mehrdad and Pouransari, Hadi and Vemulapalli, Raviteja and Mehta, Sachin and Tuzel, Oncel and Shankar, Vaishaal and Faghri, Fartash},
  booktitle={The Twelfth International Conference on Learning Representations (ICLR)},
  year={2024},
  url={https://openreview.net/forum?id=TLADT8Wrhn}
}