Tic CLIP Basic Oracle

🚀 TiC-CLIP-basic-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用して、TiC-DataComp-Yearly (xlarge, basic filtering) 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最新化することは、本質的にコストがかかります。 継続的に再トレーニングする際の高コストを回避するために、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不足していることでさらに悪化します。 我々は、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。我々の最大のデータセットであるTiC-DataCompには、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が含まれています。 まず、ベンチマークを使用して、既存のモデルの時間的な堅牢性を測定するための様々な動的評価を行います。 OpenAIのCLIP (2020年までのデータでトレーニング) は、OpenCLIPリポジトリ内の最近トレーニングされたモデルと比較して、2021 - 2022年の選定された検索タスクで約8%のゼロショット精度を失うことを示しています。 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。

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、TiC-CLIPの事前学習済みモデルを使用して、事前学習済みの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評価スイートと、TiC-DataComp-RetrievalおよびTiC-DataCompNetでの評価用に修正したDataCompのバージョンと互換性があります。 また、OpenCLIPコードを使用してトレーニングを再開するため、または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。 評価セットを作成するには、GitHubリポジトリの指示に従ってください。または、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。

💻 使用例

基本的な使用法

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

## 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

高度な使用法

## 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を使用したモデルのロードと推論の例
import open_clip
from huggingface_hub import hf_hub_download
filename = hf_hub_download(repo_id="apple/TiC-CLIP-basic-oracle", 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

トレーニングデータの詳細については、TiC-DataCompを参照してください。

トレーニング手順

トレーニング手順の詳細については、TiC-CLIP論文の2 - 3章を参照してください。

📄 ライセンス

このモデルは、custom-apple-licenseの下で提供されています。

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}
}