亚马逊的AutoGluon只需3行代码即可生成AI模型

2020年01月12日由 TGS 发表 54594 0

构建包含图像、文本和表格数据集的机器学习应用程序并不容易。它需要特征工程，或者使用数据领域的知识来创建AI算法工作的特征，再加上大量的数据集预处理，以确保在训练过的模型中不会出现偏差。这大概就是亚马逊开发AutoGluon的原因，旨在让开发人员只需几行代码就可以编写充满智能的应用程序。

AutoGluon的目标，是自动化许多以前开发人员必须自己做的决策。通常，像超参数调优这样的任务是手动执行的，这要求科学家预测超参数，以表示在构建人工智能模型时所做的选择，将如何影响模型训练。还有诸如神经架构搜索这种人工监督任务，更是需要复杂的工程，开发人员必须为他们各自的模型确定最佳设计，耗时又耗力。

AutoGluon可以通过在默认范围内自动调优已知给定任务，执行良好的选项，从而生成最少三行代码的模型。开发人员只需指定何时准备好训练好的模型，作为响应，AutoGluon就会利用可用的计算资源在分配的运行时中，找到最强的模型。

它建立在亚马逊和微软三年前所做的Gluon的基础上，Gluon是一个机器学习接口，它允许开发人员使用预构建和优化的组件集合来构建模型。而AutoGluon，它是一种端到端的处理开发过程。

AutoGluon可以立即识别用于表格预测、图像和文本分类以及对象检测的模型，并且它提供了一个API，有经验的开发人员可以利用它来进一步提高模型的预测性能。它需要Python 3.6或3.7版本，目前只支持Linux，但亚马逊表示Mac OSX和Windows版本很快就会推出。AWS应用科学家Jonas Mueller在一份声明中说：

“我们开发AutoGlon是为了使机器学习真正民主化，并使所有开发人员都能使用深度学习。最终结果是喜人的，AutoGluon解决了上述问题，因为所有选项都可以在默认范围内自动调整，已知它的性能范围是，对特定任务和模型都有很好的性能。”

标签：

机器学习人工智能应用

0 评论

欢迎关注ATYUN官方公众号

商务合作及内容投稿请联系邮箱:bd@atyun.com

上一篇人工神经网络发展出与动物相似的先天能力

下一篇 Deepwave Digital开发了首款用于5G网络的深度学习频谱传感器

评论登录

要发表评论，您必须先登录。

jonatasgrosman/wav2vec2-large-xlsr-53-english facebook/dino-vitb16 bert-base-uncased xlm-roberta-large xlm-roberta-base gpt2 microsoft/resnet-50 facebook/dino-vits8

最好的基于Transformer的LLM（上）