Amazon створює новий інструмент для розробки моделей ШІ за допомогою лише кількох рядків коду

Оскільки зусилля, спрямовані на те, щоб зробити машинне навчання простішим і доступнішим, різні компанії створюють інструменти для спрощення створення та оптимізації моделей глибокого навчання. як VentureBeat звітів, Amazon запустив новий інструмент, призначений для створення та модифікації моделей машинного навчання всього за кілька рядків коду.

Виконання машинного навчання на наборі даних часто є довгим і складним завданням. Дані повинні бути перетворені та попередньо оброблені, а потім створена та налаштована відповідна модель. Налаштування гіперпараметрів моделі, а потім перенавчання може зайняти багато часу, і щоб допомогти вирішити подібні проблеми, Amazon запустив AutoGluon. AutoGluon — це спроба автоматизувати велику частину накладних витрат, які зазвичай пов’язані зі створенням системи машинного навчання. Наприклад, інженери машинного навчання мають не лише вибрати відповідну архітектуру, але й експериментувати з гіперпараметрами моделі. AutoGluon намагається спростити як створення архітектури нейронної мережі, так і вибір відповідних гіперпараметрів.

AutoGluon базується на роботі, розпочатій Microsoft і Amazon у 2017 році. Оригінальний Gluon був інтерфейсом машинного навчання, розробленим, щоб дозволити розробникам змішувати та підбирати оптимізовані компоненти для створення власних моделей, але AutoGluon просто створює наскрізну модель на основі на бажання користувача. Повідомляється, що AutoGluon здатний створювати модель і вибирати гіперпараметри для моделі в межах певного діапазону вибору, використовуючи лише три рядки коду. Розробник має надати лише кілька аргументів, як-от бажаний час завершення навчання, і AutoGluon розрахує найкращу модель, яка завершиться протягом зазначеного часу виконання та враховуючи доступні обчислювальні ресурси.

Наразі AutoGluon здатний створювати моделі для класифікації зображень, класифікації тексту, виявлення об’єктів і табличного прогнозування. API AutoGluon також призначений для того, щоб більш досвідчені розробники могли налаштувати автоматично згенеровану модель і підвищити продуктивність. На даний момент AutoGluon доступний лише для Linux і вимагає Python 3.6 або 3.7.

Йонас Мюллер, член команди розробників AutoGluon, пояснив причину створення AutoGluon:

«Ми розробили AutoGluon, щоб справді демократизувати машинне навчання та зробити можливості глибокого навчання доступними для всіх розробників. AutoGluon вирішує цю проблему, оскільки всі параметри автоматично налаштовуються в діапазонах за замовчуванням, які, як відомо, добре працюють для конкретного завдання та моделі».

AutoGluon — це новий метод у довгій лінії методів, спрямованих на скорочення досвіду та часу, необхідних для навчання моделей машинного навчання. Програмні бібліотеки, такі як Theano, автоматизували обчислення векторів градієнта, тоді як Keras дозволив розробникам легко вказати певні потрібні гіперпараметри. Amazon вважає, що є ще багато можливостей для демократизації машинного навчання, як-от спрощення попередньої обробки даних і налаштування гіперпараметрів.

Створення AutoGluon, здається, є частиною зусиль Amazon, щоб зробити навчання та розгортання систем машинного навчання простішими та доступнішими. Amazon також вніс зміни, орієнтовані на машинне навчання, у свій пакет AWS. Наприклад, було оновлено набір інструментів AWS Sagemaker. Набір інструментів AWS SageMaker у пакеті AWS дозволяє розробникам навчати та розгортати моделі в хмарі. SageMaker поставляється з різноманітними інструментами, які дозволяють розробникам автоматично вибирати алгоритми, навчати та перевіряти моделі, а також підвищувати точність моделей.