Amazon Tworzy Nowe Narzędzie Do Inżynierii Modeli AI Za Pomocą Zaledwie Kilku Linii Kodu

Wraz ze wzrostem wysiłków, aby uczynić machine learning łatwiejszym i bardziej dostępnym, różne firmy tworzą narzędzia, które ułatwiają tworzenie i optymalizację modeli głębokiego uczenia. Jak donosi VentureBeat, Amazon (AMZN ) uruchomił nowe narzędzie, które ma pomóc w tworzeniu i modyfikowaniu modeli machine learning w zaledwie kilku liniach kodu.

Wykonywanie machine learning na zbiorze danych jest często długim i złożonym zadaniem. Dane muszą być przekształcone i przetworzone, a następnie należy utworzyć i dostosować odpowiedni model. Dostosowywanie hiperparametrów modelu i ponowne trenowanie może zajmować dużo czasu, a aby rozwiązać problemy tego rodzaju, Amazon uruchomił AutoGluon. AutoGluon jest próbą zautomatyzowania dużej części nakładu pracy, który zwykle wiąże się z tworzeniem systemu machine learning. Na przykład, inżynierowie machine learning muszą nie tylko decydować o odpowiedniej architekturze, ale także eksperymentować z hiperparametrami modelu. AutoGluon ma ułatwić zarówno tworzenie architektury sieci neuronowej, jak i wybór odpowiednich hiperparametrów.

AutoGluon opiera się na pracy rozpoczętej przez Microsoft (MSFT ) i Amazon w 2017 roku. Oryginalny Gluon był interfejsem machine learning, który pozwalał deweloperom łączyć i dopasowywać zoptymalizowane komponenty, aby tworzyć własne modele, ale AutoGluon tworzy model od początku do końca, na podstawie życzeń użytkownika. AutoGluon jest podobno w stanie wyprodukować model i wybrać hiperparametry dla modelu w określonym zakresie, przy użyciu zaledwie kilku linii kodu. Deweloper musi jedynie podać kilka argumentów, takich jak czas ukończenia szkolenia, a AutoGluon obliczy najlepszy model, który ukończy się w określonym czasie i z dostępnymi zasobami obliczeniowymi.

AutoGluon jest obecnie w stanie tworzyć modele dla klasyfikacji obrazów, klasyfikacji tekstu, wykrywania obiektów i predykcji tabelarycznej. Interfejs API AutoGluon ma również umożliwić doświadczonym deweloperom dostosowanie automatycznie wygenerowanego modelu i poprawę jego wydajności. Na razie AutoGluon jest dostępny tylko dla systemu Linux i wymaga Pythona 3.6 lub 3.7.

Jonas Mueller, członek zespołu rozwojowego AutoGluon, wyjaśnił powody stworzenia AutoGluon:

„Stworzyliśmy AutoGluon, aby prawdziwie udemokratyzować machine learning i uczynić moc głębokiego uczenia dostępną dla wszystkich deweloperów. AutoGluon rozwiązuje ten problem, ponieważ wszystkie wybory są automatycznie dostosowywane w zakresach, które są znane jako działające dobrze dla danego zadania i modelu.”

AutoGluon jest nową metodą w długiej serii metod mających na celu zmniejszenie wymaganej ekspertyzy i czasu potrzebnego do trenowania modeli machine learning. Biblioteki oprogramowania, takie jak Theano, zautomatyzowały obliczanie wektorów gradientu, podczas gdy Keras pozwoliły deweloperom łatwo określać pewne pożądane hiperparametry. Amazon uważa, że nadal istnieje wiele niewykorzystanego potencjału w demokratyzowaniu machine learning, takim jak uproszczenie przetwarzania danych i dostosowywania hiperparametrów.

Stworzenie AutoGluon wydaje się być częścią wysiłków Amazon, aby uczynić trenowanie i wdrażanie systemów machine learning łatwiejszymi i bardziej dostępnymi. Amazon również wprowadził zmiany związane z machine learning w swoim pakiecie AWS. Na przykład, wprowadzono ulepszenia do narzędzia AWS Sagemaker. Narzędzie AWS SageMaker w pakiecie AWS pozwala deweloperom trenować i wdrażać modele w chmurze. SageMaker posiada wiele narzędzi, które pozwalają deweloperom automatycznie wybierać algorytmy, trenować i walidować modele oraz poprawiać ich dokładność.