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.