Amazon Skaber Nyt Værktøj Til At Ingeniørere AI-Modeller Med Kun Et Par Linjer Kode

Som bestræbelserne på at gøre maskinlæring lettere og mere tilgængelig øges, skaber forskellige virksomheder værktøjer til at gøre oprettelsen og optimeringen af dybe læringmodeller simplere. Som VentureBeat rapporterer, lancerede Amazon (AMZN ) et nyt værktøj designet til at hjælpe med at oprette og ændre maskinlæringsmodeller i kun et par linjer kode.

At udføre maskinlæring på en dataset er ofte en lang og kompleks opgave. Dataene skal transformeres og forarbejdes, og derefter skal den rette model oprettes og tilpasses. At justere hyperparametrene for en model og derefter gen-træne kan tage lang tid, og for at hjælpe med at løse problemer som dette har Amazon lanceret AutoGluon. AutoGluon er et forsøg på at automatisere meget af den overhæng, der normalt følger med oprettelsen af et maskinlæringsystem. For eksempel skal maskinlæringsingeniører ikke kun beslutte om en passende arkitektur, men de skal også eksperimentere med hyperparametrene for modellen. AutoGluon søger at gøre både oprettelsen af neuralt netværksarkitektur og valget af passende hyperparametre lettere.

AutoGluon er baseret på arbejde, der oprindeligt blev påbegyndt af Microsoft (MSFT ) og Amazon i 2017. Den oprindelige Gluon var et maskinlæringsinterface designet til at låse udviklere mixe og matche optimiserede komponenter til at oprette deres egne modeller, men AutoGluon opretter kun en model fra ende til anden, baseret på brugerens ønsker. AutoGluon kan angiveligt producere en model og vælge hyperparametrene for modellen, inden for et område af specificerede valg, med så få som tre linjer kode. Udvikleren skal kun give et par argumenter som den ønskede træningstid, og AutoGluon vil beregne den bedste model, der vil være færdig inden for den specificerede køretid og givet de tilgængelige beregningsressourcer.

AutoGluon er i øjeblikket i stand til at oprette modeller til billedklassifikation, tekstklassifikation, objektdetektering og tabelprædiktion. AutoGluons API er også designet til at låse mere erfarne udviklere mulighed for at tilpasse den automatiske model og forbedre ydeevnen. I øjeblikket er AutoGluon kun tilgængelig for Linux og kræver Python 3.6 eller 3.7.

Jonas Mueller, en del af AutoGluon-udviklingsteamet, forklarede baggrunden for oprettelsen af AutoGluon:

“Vi udviklede AutoGluon for virkelig at demokratisere maskinlæring og gøre kraften af dyb læring tilgængelig for alle udviklere. AutoGluon løser dette problem, da alle valg automatisk justeres inden for standardområder, der er kendt for at fungere godt for den pågældende opgave og model.”

AutoGluon er en ny metode i en lang række metoder, der er designet til at reducere den ekspertise og tid, der er nødvendig for at træne maskinlæringsmodeller. Softwarebiblioteker som Theano automatiserede beregningen af gradientvektorer, mens Keras lod udviklere let specificere bestemte ønskede hyperparametre. Amazon mener, at der stadig er mere jord, der kan dækkes, når det kommer til at demokratisere maskinlæring, som at gøre datapréprocessing og hyperparameter-justering lettere.

Oprettelsen af AutoGluon synes at være en del af en indsats fra Amazon for at gøre træning og implementering af maskinlæringsystemer lettere og mere tilgængelige. Amazon har også lavet maskinlærings-centreret ændringer i sin AWS-suite. For eksempel er der blevet lavet opgraderinger til AWS Sagemaker-værktøjet. AWS SageMaker-værktøjet inden for AWS-suitten låser udviklere til at træne og implementere modeller i skyen. SageMaker kommer med en række værktøjer, der låser udviklere til automatisk at vælge algoritmer, træne og validere modeller og forbedre nøjagtigheden af modellerne.