[논문 리뷰] ModelHub.AI: Dissemination Platform for Deep Learning Models

Ahmed Hosny, Michael Schwier외 14명|arXiv (Cornell University)|2019. 11. 26.

Explainable Artificial Intelligence (XAI)참고 문헌 46인용 수 9

한 줄 요약

ModelHub.AI는 커뮤니티 기반의 컨테이너 기반 플랫폼으로, 딥러닝 모델의 체계적인 배포를 가능하게 하여 연구자가 파이썬 및 RESTful API를 통해 표준화된 추론, 전처리 및 후처리 인터페이스를 통해 모델을 공유할 수 있도록 한다. 이 플랫폼은 프레임워크, 도메인 및 데이터에 관계없이 적용 가능하여 재현 가능성을 향상시키고 다양한 과학적 워크플로우에서 즉시 사용 가능한 모델 활용을 촉진한다.

ABSTRACT

Recent advances in artificial intelligence research have led to a profusion of studies that apply deep learning to problems in image analysis and natural language processing among others. Additionally, the availability of open-source computational frameworks has lowered the barriers to implementing state-of-the-art methods across multiple domains. Albeit leading to major performance breakthroughs in some tasks, effective dissemination of deep learning algorithms remains challenging, inhibiting reproducibility and benchmarking studies, impeding further validation, and ultimately hindering their effectiveness in the cumulative scientific progress. In developing a platform for sharing research outputs, we present ModelHub.AI (www.modelhub.ai), a community-driven container-based software engine and platform for the structured dissemination of deep learning models. For contributors, the engine controls data flow throughout the inference cycle, while the contributor-facing standard template exposes model-specific functions including inference, as well as pre- and post-processing. Python and RESTful Application programming interfaces (APIs) enable users to interact with models hosted on ModelHub.AI and allows both researchers and developers to utilize models out-of-the-box. ModelHub.AI is domain-, data-, and framework-agnostic, catering to different workflows and contributors' preferences.

연구 동기 및 목표

• 과학 연구에서 딥러닝 모델의 낮은 수준의 배포 및 재현 가능성 문제를 해결하기 위해.
• 다양한 도메인과 프레임워크 간에 훈련된 딥러닝 모델을 공유하기 위한 통합된 커뮤니티 기반 플랫폼을 제공하기 위해.
• 추론, 전처리 및 후처리를 위한 템플릿을 통해 모델 인터페이스를 표준화하기 위해.
• RESTful 및 파이썬 API를 통한 원활한 통합 및 배포를 가능하게 하기 위해.
• 다양한 연구 워크플로우에 적합하도록 도메인-, 데이터-, 프레임워크에 관계없이 모델 공유를 지원하기 위해.

제안 방법

• 플랫폼은 모델과 관련된 처리 파이프라인을 봉인하는 컨테이너 기반 소프트웨어 엔진을 사용한다.
• 기여자는 추론, 전처리 및 후처리를 포함한 모델 전용 함수를 정의하기 위해 표준화된 템플릿을 사용한다.
• 시스템은 광범위한 접근성을 확보하기 위해 파이썬 및 RESTful API를 통해 모델 기능을 노출한다.
• ModelHub.AI는 기반 딥러닝 프레임워크, 데이터 모odal리티 및 응용 도메인에 관계없이 무관하게 설계되어 있다.
• 모델 추론 주기 전반에 걸쳐 데이터 흐름을 관리하여 일관되고 신뢰할 수 있는 모델 실행을 보장한다.
• 커뮤니티 기반 기여를 지원하여 연구자가 최소한의 부담으로 모델을 공유할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 다양한 과학적 도메인 간에 딥러닝 모델을 표준화되고 재현 가능하며 상호 운용 가능한 방식으로 어떻게 공유할 수 있는가?
• RQ2 효율적이고 프레임워크에 관계없이 배포 가능한 딥러닝 모델을 위한 기술 아키텍처는 무엇인가?
• RQ3 다양한 모델 간에 일관된 전처리 및 후처리를 지원하기 위해 모델 인터페이스는 어떻게 추상화될 수 있는가?
• RQ4 컨테이너화와 API 추상화는 모델 배포 및 사용성 향상에 어떤 역할을 하는가?
• RQ5 커뮤니티 기반 플랫폼은 딥러닝 연구의 재현 가능성과 벤치마킹을 어떻게 향상시킬 수 있는가?

주요 결과

• ModelHub.AI는 추론, 전처리 및 후처리를 위한 표준화되고 문서화된 인터페이스를 통해 연구자가 딥러닝 모델을 공유할 수 있도록 한다.
• 플랫폼은 파이썬 및 RESTful API를 통해 모델의 즉시 사용을 지원하여 개발자와 연구자의 접근성을 높인다.
• 컨테이너 기반 기술을 통해 ModelHub.AI는 다양한 배포 환경에서 일관된 실행 환경을 보장한다.
• 시스템은 도메인-, 데이터-, 프레임워크에 관계없이 무관하게 설계되어 있어 다양한 머신러닝 응용 분야에서 넓은 범용성을 확보한다.
• 중앙 집중식 버전 관리 저장소를 제공함으로써 재현 가능성을 향상시키고 벤치마킹을 촉진한다.
• 기여자 중심의 템플릿을 통해 커뮤니티 기반 기여가 간소화되어 모델 인터페이스 정의를 표준화한다.