Artificial Intelligence
Amazon tworzy nowe narzędzie do projektowania modeli AI za pomocą zaledwie kilku linijek kodu
W miarę zwiększania się wysiłków na rzecz zwiększenia dostępności uczenia maszynowego różne firmy tworzą narzędzia ułatwiające tworzenie i optymalizację modeli głębokiego uczenia się. Jak VentureBeat raportów Amazon uruchomił nowe narzędzie, które ma pomóc w tworzeniu i modyfikowaniu modeli uczenia maszynowego w zaledwie kilku linijkach kodu.
Przeprowadzenie uczenia maszynowego na zbiorze danych jest często długim i złożonym zadaniem. Dane należy poddać transformacji i wstępnemu przetworzeniu, a następnie stworzyć i dostosować odpowiedni model. Poprawianie hiperparametrów modelu, a następnie ponowne uczenie może zająć dużo czasu, dlatego aby pomóc w rozwiązaniu takich problemów, Amazon uruchomił AutoGluon. AutoGluon jest próbą zautomatyzowania większości kosztów ogólnych, które zwykle wiążą się z tworzeniem systemu uczenia maszynowego. Na przykład inżynierowie zajmujący się uczeniem maszynowym muszą nie tylko wybrać odpowiednią architekturę, ale także poeksperymentować z hiperparametrami modelu. AutoGluon stara się ułatwić zarówno tworzenie architektury sieci neuronowej, jak i dobór odpowiednich hiperparametrów.
AutoGluon opiera się na pracach rozpoczętych przez Microsoft i Amazon w 2017 r. Oryginalny Gluon był interfejsem uczenia maszynowego zaprojektowanym tak, aby umożliwić programistom mieszanie i dopasowywanie zoptymalizowanych komponentów w celu tworzenia własnych modeli, ale AutoGluon po prostu tworzy model kompleksowy, oparty na na życzenie użytkownika. Według doniesień AutoGluon jest w stanie wygenerować model i wybrać hiperparametry dla modelu w określonym zakresie, za pomocą zaledwie trzech linii kodu. Programista musi jedynie podać kilka argumentów, takich jak pożądany czas ukończenia szkolenia, a AutoGluon obliczy najlepszy model, który ukończy się w określonym czasie działania i przy dostępnych zasobach obliczeniowych.
AutoGluon jest obecnie w stanie tworzyć modele do klasyfikacji obrazów, klasyfikacji tekstu, wykrywania obiektów i przewidywania tabelarycznego. API AutoGluon ma także na celu umożliwienie bardziej doświadczonym programistom dostosowania automatycznie wygenerowanego modelu i poprawienia wydajności. W tej chwili AutoGluon jest dostępny tylko dla systemu Linux i wymaga Pythona 3.6 lub 3.7.
Jonas Mueller, członek zespołu programistów AutoGluon, wyjaśnił powody powstania AutoGluon:
„Opracowaliśmy AutoGluon, aby naprawdę zdemokratyzować uczenie maszynowe i udostępnić moc głębokiego uczenia się wszystkim programistom. AutoGluon rozwiązuje ten problem, ponieważ wszystkie opcje są automatycznie dostrajane w domyślnych zakresach, o których wiadomo, że dobrze sprawdzają się w przypadku konkretnego zadania i modelu.
AutoGluon to nowa metoda z długiej listy metod mających na celu zmniejszenie wiedzy i czasu potrzebnego do szkolenia modeli uczenia maszynowego. Biblioteki oprogramowania, takie jak Theano, zautomatyzowały obliczanie wektorów gradientu, podczas gdy Keras umożliwiał programistom łatwe określanie określonych pożądanych hiperparametrów. Amazon uważa, że istnieje jeszcze więcej obszarów, które można wykorzystać, jeśli chodzi o demokratyzację uczenia maszynowego, na przykład uproszczenie wstępnego przetwarzania danych i dostrajania hiperparametrów.
Wydaje się, że utworzenie AutoGluon jest częścią wysiłków firmy Amazon mających na celu ułatwienie i zwiększenie dostępności szkoleń i wdrażania systemów uczenia maszynowego. Amazon wprowadził także zmiany w swoim pakiecie AWS skupiające się na uczeniu maszynowym. Na przykład wprowadzono aktualizacje do zestawu narzędzi AWS Sagemaker. Zestaw narzędzi AWS SageMaker w pakiecie AWS umożliwia programistom szkolenie i wdrażanie modeli w chmurze. SageMaker zawiera różnorodne narzędzia, które pozwalają programistom automatycznie wybierać algorytmy, trenować i weryfikować modele oraz poprawiać dokładność modeli.