Amazon створила новий інструмент для розробки моделей штучного інтелекту за допомогою декількох рядків коду

Відповідно до зростаючих зусиль зробити машинне навчання легшим та більш доступним, різні компанії створюють інструменти для спрощення створення та оптимізації глибоких моделей навчання. Як повідомляє VentureBeat, Amazon (AMZN ) запустила новий інструмент, призначений для допомоги у створенні та модифікації моделей машинного навчання за допомогою декількох рядків коду.

Виконання машинного навчання на наборі даних часто є довгим та складним завданням. Дані повинні бути перетворені та попередньо оброблені, а потім створена та налаштована відповідна модель. Корекція гіперпараметрів моделі та подальше повторне навчання можуть зайняти багато часу, і щоб допомогти вирішити проблеми цього типу, Amazon запустила AutoGluon. AutoGluon є спробою автоматизувати більшу частину накладних витрат, які зазвичай супроводжують створення системи машинного навчання. Наприклад, не тільки інженери машинного навчання повинні вирішити питання про архітектуру, але також експериментувати з гіперпараметрами моделі. AutoGluon намагається зробити обидва процеси – створення архітектури нейронної мережі та вибір відповідних гіперпараметрів – легшими.

AutoGluon заснований на роботі, яку почали Microsoft (MSFT ) та Amazon у 2017 році. Оригінальний Gluon був інтерфейсом машинного навчання, розробленим для того, щоб дозволити розробникам змішувати та поєднувати оптимізовані компоненти для створення власних моделей, але AutoGluon просто створює модель з кінця в кінець, засновану на бажаннях користувача. AutoGluon, як повідомляється, здатний створювати модель та вибирати гіперпараметри для моделі в межах певного діапазону вибору з допомогою лише трьох рядків коду. Розробник повинен надати лише декілька аргументів, таких як бажаний час завершення навчання, і AutoGluon розрахує найкращу модель, яка завершиться в межах заданого часу виконання та наявних обчислювальних ресурсів.

AutoGluon зараз здатний створювати моделі для класифікації зображень, класифікації тексту, виявлення об’єктів та прогнозування таблиць. API AutoGluon також призначений для того, щоб дозволити більш досвідченим розробникам налаштовувати автоматично згенеровану модель та покращувати її продуктивність. На даний момент AutoGluon доступний лише для Linux і вимагає Python 3.6 або 3.7.

Джонас Мюллер, член команди розробників AutoGluon, пояснив причини створення AutoGluon:

“Ми розробили AutoGluon, щоб真正 демократизувати машинне навчання та зробити силу глибокого навчання доступною для всіх розробників. AutoGluon вирішує цю проблему, оскільки всі вибори автоматично налаштовуються в межах діапазонів, які відомі як такі, що працюють добре для конкретного завдання та моделі.”

AutoGluon є новим методом у довгій лінії методів, призначених для зменшення кількості необхідних знань та часу для навчання моделей машинного навчання. Програмні бібліотеки, такі як Theano, автоматизували розрахунок векторів градієнта, тоді як Keras дозволяли розробникам легко вказувати певні бажані гіперпараметри. Amazon вважає, що все ще є територія, яку можна покрити щодо демократизації машинного навчання, наприклад, зробити попередню обробку даних та налаштування гіперпараметрів простішими.

Створення AutoGluon здається частиною зусиль Amazon щодо того, щоб зробити навчання та розгортання систем машинного навчання легшим та більш доступним. Amazon також зробила зміни, орієнтовані на машинне навчання, у своєму наборі AWS. Наприклад, були здійснені покращення інструментарію AWS Sagemaker. Інструментарій AWS SageMaker у складі набору AWS дозволяє розробникам тренувати та розгортати моделі в хмарі. SageMaker поставляється з різними інструментами, які дозволяють розробникам автоматично вибирати алгоритми, тренувати та валідувати моделі та покращувати точність моделей.