【机器学习】使用PyTorch简化机器学习项目

一个可以让外科医生浏览过去手术视频的平台找到了一种让机器学习更有效的方法。

对许多外科医生来说，回到手术室回顾他们对病人所做的手术可以提供宝贵的医学见解。

使用Facebook的PyTorch框架和机器学习平台快速的火车,现在医学技术公司theator为外科医生提供一个工具,让他们看守和详细分析过去的操作执行,并访问视频的程序由世界各地的同事们。

theator的平台被称为“外科智能平台”，它利用计算机视觉技术从手术过程中拍摄的视频中提取关键信息。对数据进行注释、编辑和组织，让医生通过平台简单地输入关键词就可以查看具体内容。外科医生可以使用该工具跳转到特定的步骤，重新观察关键时刻，或访问关于程序的分析，如执行给定操作所花费的时间。

theator的数据科学家使用许多复杂的机器学习模型对外科医生提供的视频内容进行索引和分类——但他们很快意识到，当他们面对堆积的内容时，手动训练这些模型是一项比预期更具挑战性的任务。

theator研究团队负责人Omri Bar在一篇新博客文章中表示:“我们意识到，手动运行所有这些流程是不可行的，自动化培训管道是绝对必要的。”“现在，当新数据传入时，它会立即被处理并直接输入训练管道——加快工作流程，最大限度地减少人为错误，并为我们的研究团队腾出时间来完成更重要的任务。”

机器学习管道由许多不同的过程组成，包括数据收集、准备和清洗、特征提取或模型验证。这些任务传统上是由数据科学家完成的，成本更高，可能需要数月时间。

因此，将开发机器学习模型所必需的一些更耗时和重复的任务自动化，可以使组织更有效地部署技术，并且使用更少的资源。

theator的数据科学团队面临着许多不同的流程，需要在机器学习培训管道中实现自动化。公司需要一种灵活的工具，以确保实验可以在公司内部实践中进行，这些实践是为外科领域量身定制的。Facebook的PyTorch框架是一个经常用于计算机视觉应用的开源机器学习库，很快成为首选技术。

Bar说:“我们认为PyTorch是提供所需灵活性的最佳框架。”“有了PyTorch，我们可以轻松地拆卸和重新组装我们想要关注的部件，它提供了从上到下无摩擦的调试能力。”

例如，研究小组发现PyTorch的视频处理模块在处理重内容方面非常有用。一个持续数小时的手术视频通常被表示为一个巨大的4D张量，这使它难以消化;通过使用PyTorch, theator的团队能够编写定制的数据加载功能，从而加速模型的训练。

Bar和他的团队现在已经成功地实现了手术平台机器学习训练的整个过程的自动化，从模型开发到部署，以及模型的改进。该平台有效地包含了一个反馈循环:交付给终端用户的数据被重新整合到现有的数据集中，用于模型的持续培训。

巴尔表示:“我们已经从一家依赖传统机器学习实践的公司发展成为一个完全自动化、可扩展的组织。”“一直以来，我们让研究人员和工程师专注于真正的增值所在，为他们节省了无数时间。”

在PyTorch的基础上，theator还利用了一个名为Allegro Trains的机器学习平台，该平台可以管理通过不同模型管道输入的数据，并以可查询的方式组织它们。train可以同时编排多个管道，识别双数据或标记来自新源的内容。

在这个复杂的机器学习过程的另一端，外科医生现在只需点击一个按钮就可以访问新的大量数据。了解执行一个操作的各个要素所花费的时间是提高他们技术的关键，并帮助他们在未来的操作中做出明智的决定。

最重要的是，外科医生还可以利用这个平台学习其他专业人士的经验。据theator称，该公司已经掌握了来自一万多个程序的人工智能注释视频内容，用户可以访问和浏览这些内容，以便对任何特定操作获得更好的见解。

该手术智能平台已经安装在特拉维夫伊奇洛夫医院的手术室，该公司表示，该技术也在北美的许多医院、医学院和研究中心活跃，包括蒙特利尔的公共研究大学麦吉尔分校。

原文：https://www.zdnet.com/article/using-pytorch-to-streamline-machine-learning-projects/

本文：http://jiagoushi.pro/node/1394

讨论：请加入知识星球【CXO智库】或者小号【it_strategy】或者QQ群【1033354921】