Pythia视觉问答研究模块化框架

Pythia 是 Facebook 人工智能研究（Facebook AI Research，FAIR）的视觉问答研究模块化框架，它建立在 PyTorch 之上。

特性：

• Model Zoo：最先进的视觉和语言模型的参考实现，包括 LoRRA（SoQ on VQA 和 TextVQA）、Pythia 模型（VQA 2018 挑战获胜者）和 BAN。


• Multi-Tasking：支持多任务，允许同时训练多个数据集。


• Datasets：包括对内置的各种数据集的支持，包括 VQA、VizWiz、TextVQA 和 VisualDialog。


• Modules：为视觉和语言领域中的许多常用图层提供实现


• Distributed：支持基于 DataParallel 和 DistributedDataParallel 的分布式培训。


• Unopinionated：对于基于它构建的数据集和模型实现不受影响。


• Customization：可自定义损失、指标、调度、优化器、张量板等等

Pythia 还可以作为视觉和语言数据集挑战的入门代码库（TextVQA 挑战、VQA 挑战）。