OpenMMLab 各算法库的评测指标集成

在前段时间 2022 世界人工智能大会（WAIC）上， OpenMMLab 基于新一代训练架构 MMEngine ，发布了全新的 OpenMMLab 2.0 视觉算法体系，详细见上一期内容。

MMEngine 提供了强大灵活的训练引擎，以及常见的训练技术，以满足用户多样的模型训练需求。对于模型评测的需求，MMEngine 也提供了评测指标（Metric）和评测器（Evaluator）模块，下游算法库基于 MMEngine 提供的评测指标基类，实现对应任务所需的评测指标。

OpenMMLab 是深度学习时代最完整的计算机视觉开源算法体系，目前已涵盖 30+ 研究领域，这些研究领域都有各自任务的评测指标。我们希望能够将这些评测指标统一起来，以更加易用和开放的方式服务于更多用户。因此，我们在 MMEngine 中的评测指标模块基础上，将原 OpenMMLab 各算法库的评测指标集成进来，开发了一个统一开放的跨框架算法评测库：MMEval。

GitHub 主页：

https://github.com/open-mmlab/mmeval

（文末点击阅读原文可直达）

欢迎大家来 star~

中文文档：

https://mmeval.readthedocs.io/zh_CN/latest

MMEval 简介

MMEval 是一个跨框架的机器学习算法评测库，提供高效准确的分布式评测以及多种机器学习框架后端支持，具有以下特点：

提供丰富的计算机视觉各细分方向评测指标（自然语言处理方向的评测指标正在支持中）

支持多种分布式通信库，实现高效准确的分布式评测

支持多种机器学习框架，根据输入自动分发对应实现

MMEval 的架构如下图所示：

和已有一些开源的算法评测库相比，比如 Lightning-AI/metrics，huggingface/evaluate，以及近日开源的 pytorch/torcheval，MMEval 的区别主要在于对计算机视觉领域评测指标的更全面支持，以及提供跨框架评测的能力。

MMEval 目前提供了 20+ 评测指标，涵盖了分类，目标检测，图像分割，点云分割，关键点检测和光流估计等任务，MMEval 已支持的评测指标可以在文档中的支持矩阵中查看：https://mmeval.readthedocs.io/zh_CN/latest/get_started/support_matrix.html

MMEval 安装与使用

MMEval 依赖 Python 3.6+，可以通过 pip 来安装 MMEval：pip install mmeval

MMEval 中的评测指标提供两种使用方式，以 Accuracy 为例：

from mmeval import Accuracy
import numpy as np


accuracy = Accuracy()


# 第一种是直接调用实例化的 Accuracy 对象，计算评测指标。
labels = np.asarray([0, 1, 2, 3])
preds = np.asarray([0, 2, 1, 3])
accuracy(preds, labels)
# {'top1': 0.5}


# 第二种是累积多个批次的数据后，计算评测指标。
for i in range(10):
  labels = np.random.randint(0, 4, size=(100, ))
  predicts = np.random.randint(0, 4, size=(100, ))
  # 调用 `add` 方法，保存指标计算中间结果。
  accuracy.add(predicts, labels)


# 调用 compute 方法计算评测指标
accuracy.compute()
# {'top1': ...}
# 调用 reset 方法，清除保存的中间结果。
accuracy.reset()

MMEval 中的评测指标还支持分布式评测功能，关于分布式评测的使用方式可以参考教程：https://mmeval.readthedocs.io/zh_CN/latest/tutorials/dist_evaluation.html

多分布式通信后端支持

在评测过程中，通常会以数据并行的形式，在每张卡上推理部分数据集的结果，以加快评测速度。而在每个数据子集上计算得到的评测结果，通常不能通过简单的求平均来与整个数据集的评测结果进行等价。因此，通常的做法是在分布式评测过程中，将每张卡得到的推理结果或者指标计算中间结果保存下来，在所有进程中进行 all-gather 操作，最后再计算整个评测数据集的指标结果。

MMEval 在分布式评测过程中所需的分布式通信需求，主要有以下两个：

将各个进程中保存的评测指标计算中间结果 all-gather

将 rank 0 进程计算得到的指标结果 broadcast 给所有进程

为了能够灵活的支持多种分布式通信库，MMEval 将上述分布式通信需求抽象定义了一个分布式通信接口 BaseDistBackend，其接口设计如下图所示：

MMEval 中已经预置实现了一些分布式通信后端，如下表所示：

MPI4Py	torch.distributed	Horovod	paddle.distributed
MPI4PyDist	TorchCPUDist & TorchCUDADist	TFHorovodDist	PaddleDist

多机器学习框架支持

MMEval 希望能够支持多种机器学习框架，一个最为简单的方案是让所有评测指标的计算都支持 NumPy 即可。这样做可以实现大部分评测需求，因为所有机器学习框架的 Tensor 数据类型都可以转为 NumPy 的数组。

但是在某些情况下可能会存在一些问题：

NumPy 有一些常用算子尚未实现，如 topk，会影响评测指标的计算速度

大量的 Tensor 从 CUDA 设备搬运到 CPU 内存会比较耗时

如果希望评测指标的计算过程是可导的，那么就需要用各自机器学习框架的 Tensor 数据类型进行计算

为了应对上述问题，MMEval 的评测指标提供了一些特定机器学习框架的指标计算实现。同时，为了应对不同指标计算方式的分发问题，MMEval 采用了基于类型注释的动态多分派机制，可以根据输入的数据类型，动态的选择不同的计算方式。

一个基于类型注释的多分派简单示例如下：

from mmeval.core import dispatch


@dispatch
def compute(x: int, y: int):
  print('this is int')


@dispatch
def compute(x: str, y: str):
  print('this is str')


compute(1, 1)
# this is int


compute('1', '1')
# this is str

愿景

在机器学习模型实验和生产过程中，训练和评测是其中两个非常重要的阶段。

MMEngine 已经提供了一个灵活强大的训练架构，而 MMEval 则希望能够提供一个统一开放的模型评测库。其中，统一体现在不同领域不同任务的模型评测需求都能够满足，开放则体现为与机器学习框架解耦，以更加开放的方式为不同的机器学习框架生态提供评测功能。

目前 MMEval 仍处于早期阶段，有很多评测指标仍在添加当中，有一些架构设计可能不够成熟。在之后的一段时间里，MMEval 将主要围绕以下两个方向去持续迭代完善：

持续的补充添加评测指标，不断扩展到 NLP、语音、推荐系统等更多的任务领域

支持更多机器学习框架，并且探索多机器学习框架支持的新方式

审核编辑：彭静