Amazon crea un nuovo strumento per progettare modelli di intelligenza artificiale con poche righe di codice

Man mano che aumentano gli sforzi per rendere il machine learning più semplice e accessibile, diverse aziende stanno creando strumenti per semplificare la creazione e l’ottimizzazione dei modelli di deep learning. COME VentureBeat report, Amazon ha lanciato un nuovo strumento progettato per aiutare a creare e modificare i modelli di machine learning in poche righe di codice.

L'esecuzione dell'apprendimento automatico su un set di dati è spesso un'attività lunga e complessa. I dati devono essere trasformati e preelaborati, quindi deve essere creato e personalizzato il modello appropriato. La modifica degli iperparametri di un modello e quindi il riaddestramento possono richiedere molto tempo e per aiutare a risolvere problemi come questo Amazon ha lanciato AutoGluon. AutoGluon è un tentativo di automatizzare gran parte del sovraccarico che in genere deriva dalla creazione di un sistema di apprendimento automatico. Ad esempio, non solo gli ingegneri dell'apprendimento automatico devono decidere su un'architettura appropriata, ma devono anche sperimentare gli iperparametri del modello. AutoGluon si sforza di rendere più facile sia la creazione dell'architettura della rete neurale che la selezione degli iperparametri appropriati.

AutoGluon si basa sul lavoro iniziato inizialmente da Microsoft e Amazon nel 2017. Il Gluon originale era un'interfaccia di apprendimento automatico progettata per consentire agli sviluppatori di combinare componenti ottimizzati per creare i propri modelli, ma AutoGluon crea solo un modello end-to-end, basato sui desideri dell'utente. Secondo quanto riferito, AutoGluon è in grado di produrre un modello e selezionare gli iperparametri per il modello, all'interno di una gamma di scelte specificate, con un minimo di tre righe di codice. Lo sviluppatore deve solo fornire alcuni argomenti come il tempo di completamento dell'addestramento desiderato e AutoGluon calcolerà il modello migliore che verrà completato entro il tempo di esecuzione specificato e date le risorse di calcolo disponibili.

AutoGluon è attualmente in grado di creare modelli per la classificazione delle immagini, la classificazione del testo, il rilevamento degli oggetti e la previsione tabulare. L'API di AutoGluon ha anche lo scopo di consentire agli sviluppatori più esperti di poter personalizzare il modello generato automaticamente e migliorare le prestazioni. Al momento, AutoGluon è disponibile solo per Linux e richiede Python 3.6 o 3.7.

Jonas Mueller, parte del team di sviluppo di AutoGluon, ha spiegato il ragionamento alla base della creazione di AutoGluon:

“Abbiamo sviluppato AutoGluon per democratizzare veramente il machine learning e rendere disponibile a tutti gli sviluppatori la potenza del deep learning. AutoGluon risolve questo problema poiché tutte le scelte vengono regolate automaticamente all'interno di intervalli predefiniti noti per funzionare bene per l'attività e il modello specifici.

AutoGluon è un nuovo metodo all'interno di una lunga serie di metodi destinati a ridurre l'esperienza e il tempo necessari per addestrare modelli di apprendimento automatico. Le librerie software come Theano hanno automatizzato il calcolo dei vettori gradiente, mentre Keras ha consentito agli sviluppatori di specificare facilmente determinati iperparametri desiderati. Amazon ritiene che ci sia ancora molto terreno da percorrere quando si tratta di democratizzare l'apprendimento automatico, come rendere più semplice la pre-elaborazione dei dati e l'ottimizzazione degli iperparametri.

La creazione di AutoGluon sembra essere parte di uno sforzo di Amazon per rendere la formazione e l'implementazione di sistemi di machine learning più facili e accessibili. Amazon ha anche apportato modifiche incentrate sul machine learning alla sua suite AWS. Ad esempio, sono stati apportati aggiornamenti al toolkit AWS Sagemaker. Il toolkit AWS SageMaker all'interno della suite AWS consente agli sviluppatori di addestrare e distribuire i modelli nel cloud. SageMaker viene fornito con una varietà di strumenti che consentono agli sviluppatori di scegliere automaticamente algoritmi, addestrare e convalidare modelli e migliorare l'accuratezza dei modelli.