Amazon lanserer nytt verktøy for å konstruere AI-modeller med kun noen få linjer kode

Som en del av innsatsen for å gjøre maskinlæring lettere og mer tilgjengelig, lager forskjellige selskaper verktøy for å forenkle skapelsen og optimaliseringen av dyplæringmodeller. Ifølge VentureBeat lanserte Amazon (AMZN ) et nytt verktøy som er designet for å hjelpe med å skape og modifisere maskinlæringsmodeller med kun noen få linjer kode.

Å utføre maskinlæring på en datasett er ofte en lang og komplisert oppgave. Dataene må transformeres og forberedes, og deretter må den riktige modellen skapes og tilpasses. Å justere hyperparameterne til en modell og deretter trenere den på nytt kan ta lang tid, og for å løse slike problemer har Amazon lansert AutoGluon. AutoGluon er et forsøk på å automatisere mye av den overhodet som vanligvis følger med skapelsen av et maskinlæringsystem. For eksempel må maskinlæringsingeniører ikke bare bestemme en passende arkitektur, men de må også eksperimentere med hyperparameterne til modellen. AutoGluon forsøker å gjøre både skapelsen av neuralt nettverksarkitektur og valget av passende hyperparametere lettere.

AutoGluon er basert på arbeid som ble startet av Microsoft (MSFT ) og Amazon i 2017. Den opprinnelige Gluon var et maskinlæringsgrensesnitt som lot utviklere blande og matche optimerte komponenter for å skape sine egne modeller, men AutoGluon skaper en modell fra ende til ende, basert på brukerens ønsker. AutoGluon er ifølge rapporter i stand til å produsere en modell og velge hyperparameterne for modellen, innenfor et spesifisert valg, med kun noen få linjer kode. Utvikleren må bare angi noen argumenter, som ønsket treningstid, og AutoGluon vil beregne den beste modellen som vil fullføres innen den spesifiserte kjøretiden og gitt de tilgjengelige beregningsresursene.

AutoGluon er for øyeblikket i stand til å skape modeller for bildeklassifisering, tekstklassifisering, objektdeteksjon og tabellprediksjon. AutoGluons API er også ment å tillate mer erfarna utviklere å kunne tilpasse den automatiske modellen og forbedre ytelsen. For øyeblikket er AutoGluon kun tilgjengelig for Linux og krever Python 3.6 eller 3.7.

Jonas Mueller, en del av AutoGluon-utviklingsteamet, forklarte bakgrunnen for skapelsen av AutoGluon:

“Vi utviklet AutoGluon for å virkelig demokratisere maskinlæring og gjøre kraften til dyplæring tilgjengelig for alle utviklere. AutoGluon løser dette problemet ved at alle valg automatisk justeres innenfor standardområder som er kjent for å fungere godt for den spesifikke oppgaven og modellen.”

AutoGluon er en ny metode i en lang rekke metoder som er ment å redusere ekspertisen og tiden som trengs for å trenere maskinlæringsmodeller. Programbiblioteker som Theano automatiserte beregningen av gradientvektorer, mens Keras lot utviklere enkelt spesifisere visse ønskede hyperparametere. Amazon tror at det fortsatt er mer å dekke når det gjelder å demokratisere maskinlæring, som å gjøre dataforberedelse og hyperparameter-justering enklere.

Skapelsen av AutoGluon ser ut til å være en del av en innsats fra Amazon for å gjøre trening og utrulling av maskinlæringsystemer enklere og mer tilgjengelig. Amazon har også gjort maskinlærings-sentrerte endringer i sin AWS-suiter. For eksempel er det gjort oppgraderinger til AWS Sagemaker-verktøyet. AWS SageMaker-verktøyet i AWS-suiter lar utviklere trenere og utrulle modeller i skyen. SageMaker kommer med en rekke verktøy som lar utviklere automatisk velge algoritmer, trenere og validere modeller og forbedre nøyaktigheten til modellene.