AI-modeller och plattformar
Amazon Skapar Nytt Verktyg För Att Utveckla AI-Modeller Med Bara Några Rader Kod
Lägg till Unite.AI bland dina föredragna källor på Google
Som en del i strävan att göra maskinlärning lättare och mer tillgänglig, skapar olika företag verktyg för att underlätta skapandet och optimeringen av djupa lärandemodeller. Enligt VentureBeat lanserade Amazon (AMZN ) ett nytt verktyg som är utformat för att hjälpa till att skapa och modifiera maskinlärningsmodeller med bara några rader kod.
Att utföra maskinlärning på en dataset är ofta en lång och komplex uppgift. Data måste omvandlas och förbehandlas, och sedan måste den rätta modellen skapas och anpassas. Att justera hyperparametrarna för en modell och sedan träna om kan ta lång tid, och för att lösa problem som dessa har Amazon lanserat AutoGluon. AutoGluon är ett försök att automatisera mycket av den överbelastning som vanligtvis följer med skapandet av ett maskinlärningssystem. Till exempel måste maskinläringsingenjörer inte bara besluta om en lämplig arkitektur, utan de måste också experimentera med modellens hyperparametrar. AutoGluon försöker göra både skapandet av neuronnätets arkitektur och valet av lämpliga hyperparametrar enklare.
AutoGluon bygger på arbete som initialt påbörjades av Microsoft (MSFT ) och Amazon 2017. Den ursprungliga Gluon var ett maskinlärningsgränssnitt som tillät utvecklare att kombinera och matcha optimerade komponenter för att skapa sina egna modeller, men AutoGluon skapar en modell från början till slut, baserat på användarens önskemål. AutoGluon kan rapporteras producera en modell och välja hyperparametrar för modellen, inom ett visst urval, med så få som tre rader kod. Utvecklaren behöver bara ange några argument, som den önskade träningskompletteringstiden, och AutoGluon kommer att beräkna den bästa modellen som kommer att slutföras inom den angivna körtiden och med de tillgängliga beräkningsresurserna.
AutoGluon kan för närvarande skapa modeller för bildklassificering, textklassificering, objektdetektering och tabellprediktion. AutoGluons API är också avsett att tillåta mer erfarna utvecklare att kunna anpassa den autogenererade modellen och förbättra prestandan. För tillfället är AutoGluon endast tillgänglig för Linux och kräver Python 3.6 eller 3.7.
Jonas Mueller, som är en del av AutoGluon-utvecklingsteamet, förklarade skälen bakom skapandet av AutoGluon:
“Vi utvecklade AutoGluon för att verkligen demokratisera maskinlärning och göra kraften från djupinlärning tillgänglig för alla utvecklare. AutoGluon löser detta problem eftersom alla val automatiskt ställs in inom standardområden som är kända för att fungera bra för den specifika uppgiften och modellen.”
AutoGluon är en ny metod i en lång rad metoder som syftar till att minska den expertis och tid som behövs för att träna maskinlärningsmodeller. Programvarubibliotek som Theano automatiserade beräkningen av gradientvektorer, medan Keras tillät utvecklare att enkelt ange vissa önskade hyperparametrar. Amazon tror att det fortfarande finns mer mark som kan täckas när det gäller att demokratisera maskinlärning, som att göra dataförbehandling och hyperparameterjustering enklare.
Skapandet av AutoGluon verkar vara en del av en insats av Amazon för att göra utbildning och distribution av maskinlärningssystem enklare och mer tillgänglig. Amazon har också gjort maskinlärningscentrerade ändringar i sin AWS-svit. Till exempel har uppgraderingar gjorts till AWS Sagemaker-verktyget. AWS SageMaker-verktyget inom AWS-sviten låter utvecklare träna och distribuera modeller till molnet. SageMaker kommer med en mängd verktyg som låter utvecklare automatiskt välja algoritmer, träna och validera modeller och förbättra modellernas noggrannhet.
