Introduction

Fuel est un cadre d'application Python conçue pour fournir aux modèles d'apprentissage automatique les données nécessaires à leur entraînement. Prenant en charge des ensembles de données standards tels que MNIST, CIFAR-10 ou One Billion Words, elle offre des interfaces prêtes à l'emploi facilitant l'accès à ces ensembles de données. Fuel permet de parcourir ces données de différentes manières, que ce soit en mini-lots séquentiels, aléatoires ou selon des schémas personnalisés. Elle inclut également un système de pipeline modulaire composé de transformers, permettant d'appliquer des transformations telles que du bruit, des patchs, ou l'extraction de séquences, directement et efficacement à la volée.

Une particularité clef de Fuel est sa capacité à rendre un pipeline de données totalement sérialisable via pickle, ce qui permet non seulement de sauvegarder des états intermédiaires, mais aussi de reprendre l'entraînement là où il s'était arrêté. Cette fonctionnalité est essentielle pour les expérimentations longues et coûteuses, en particulier lorsqu'on travaille sur GPU. Fuel est née de l'écosystème Mila en complément de Blocks, formant ainsi une suite cohérente pour construire, entraîner et surveiller un modèle d'apprentissage profond de bout en bout. Les chercheurs peuvent ainsi se concentrer sur l'innovation algorithmique plutôt que sur les aspects techniques liés au prétraitement et à l'alimentation des données.

Le succès de Fuel est attesté par son adoption lors de l'enseignement dans le cadre d'ateliers et tutoriels, notamment lors de l'école d'été en apprentissage profond de 2015. En fournissant un ensemble clair de fonctionnalités, comme l'accès à des ensembles de données courants, les transformations dynamiques et la compatibilité avec Theano, Fuel a marqué une étape importante dans la standardisation des pratiques de recherche en IA. Bien que de nouveaux cadres d'applications aient depuis éclos, Fuel conserve une place historique en tant qu'outil solide et pragmatique pour structurer des pipelines de données robustes et reproductibles, tout en respectant les bonnes pratiques du cycle de vie d'un modèle.