Amazon Crée Un Nouvel Outil Pour Concevoir Des Modèles D’IA Avec Juste Quelques Lignes De Code

Alors que les efforts pour rendre l’apprentissage automatique plus accessible et plus facile augmentent, différentes entreprises créent des outils pour simplifier la création et l’optimisation des modèles d’apprentissage profond. Comme le rapporte VentureBeat, Amazon (AMZN ) a lancé un nouvel outil conçu pour aider à créer et à modifier des modèles d’apprentissage automatique en quelques lignes de code.

La réalisation de l’apprentissage automatique sur un ensemble de données est souvent une tâche longue et complexe. Les données doivent être transformées et prétraitées, puis le modèle approprié doit être créé et personnalisé. L’ajustement des hyperparamètres d’un modèle et sa réentraînement peuvent prendre beaucoup de temps, et pour aider à résoudre des problèmes comme celui-ci, Amazon a lancé AutoGluon. AutoGluon est une tentative pour automatiser une grande partie de la charge de travail qui accompagne généralement la création d’un système d’apprentissage automatique. Par exemple, non seulement les ingénieurs en apprentissage automatique doivent-ils décider d’une architecture appropriée, mais ils doivent également expérimenter les hyperparamètres du modèle. AutoGluon cherche à rendre plus faciles à la fois la création de l’architecture du réseau de neurones et la sélection des hyperparamètres appropriés.

AutoGluon est basé sur des travaux initiés par Microsoft (MSFT ) et Amazon en 2017. Le Gluon original était une interface d’apprentissage automatique conçue pour permettre aux développeurs de combiner et de faire correspondre des composants optimisés pour créer leurs propres modèles, mais AutoGluon crée simplement un modèle de bout en bout, en fonction des désirs de l’utilisateur. AutoGluon est capable de produire un modèle et de sélectionner les hyperparamètres pour le modèle, dans une plage de choix spécifiés, avec autant que trois lignes de code. Le développeur n’a qu’à fournir quelques arguments comme son temps de formation souhaité, et AutoGluon calculera le meilleur modèle qui sera terminé dans le temps de formation spécifié et avec les ressources de calcul disponibles.

AutoGluon est actuellement capable de créer des modèles pour la classification d’images, la classification de texte, la détection d’objets et la prédiction tabulaire. L’API d’AutoGluon est également conçue pour permettre aux développeurs plus expérimentés de personnaliser le modèle auto-généré et d’améliorer les performances. Pour le moment, AutoGluon n’est disponible que pour Linux et nécessite Python 3.6 ou 3.7.

Jonas Mueller, membre de l’équipe de développement d’AutoGluon, a expliqué les raisons derrière la création d’AutoGluon:

« Nous avons développé AutoGluon pour véritablement démocratiser l’apprentissage automatique et rendre le pouvoir de l’apprentissage profond disponible à tous les développeurs. AutoGluon résout ce problème car tous les choix sont automatiquement réglés dans des plages par défaut qui sont connues pour fonctionner bien pour la tâche et le modèle particuliers. »

AutoGluon est une nouvelle méthode dans une longue lignée de méthodes destinées à réduire l’expertise et le temps nécessaires pour former des modèles d’apprentissage automatique. Des bibliothèques logicielles comme Theano ont automatisé le calcul des vecteurs de gradient, tandis que Keras a permis aux développeurs de spécifier facilement certains hyperparamètres souhaités. Amazon croit qu’il y a encore du terrain à couvrir lorsqu’il s’agit de démocratiser l’apprentissage automatique, comme rendre la prétraitement des données et l’ajustement des hyperparamètres plus simples.

La création d’AutoGluon semble faire partie d’un effort d’Amazon pour rendre la formation et le déploiement de systèmes d’apprentissage automatique plus faciles et plus accessibles. Amazon a également apporté des modifications axées sur l’apprentissage automatique à sa suite AWS. Par exemple, des mises à jour ont été apportées à l’outil AWS Sagemaker. L’outil AWS SageMaker dans la suite AWS permet aux développeurs de former et de déployer des modèles sur le cloud. SageMaker est livré avec une variété d’outils qui permettent aux développeurs de choisir automatiquement des algorithmes, de former et de valider des modèles, et d’améliorer la précision des modèles.