Amazon Tạo Công Cụ Mới Để Kỹ Sư AI Chỉ Cần Một Vài Dòng Mã

Trong nỗ lực làm cho học máy dễ tiếp cận hơn, các công ty khác nhau đang tạo ra các công cụ để làm cho việc tạo và tối ưu hóa mô hình học sâu trở nên đơn giản hơn. Như VentureBeat báo cáo, Amazon (AMZN ) đã ra mắt một công cụ mới được thiết kế để giúp tạo và sửa đổi mô hình học máy chỉ trong vài dòng mã.

Thực hiện học máy trên một tập dữ liệu thường là một nhiệm vụ dài và phức tạp. Dữ liệu phải được biến đổi và tiền xử lý, và sau đó mô hình phù hợp phải được tạo và tùy chỉnh. Việc tinh chỉnh các siêu tham số của mô hình và sau đó tái đào tạo có thể mất rất nhiều thời gian, và để giúp giải quyết các vấn đề như vậy, Amazon đã ra mắt AutoGluon. AutoGluon là một nỗ lực để tự động hóa nhiều phần quá trình tạo mô hình học máy. Ví dụ, không chỉ các kỹ sư học máy phải quyết định kiến trúc phù hợp, họ còn phải thử nghiệm với các siêu tham số của mô hình. AutoGluon nhằm mục đích làm cho cả việc tạo kiến trúc mạng nơ-ron và việc chọn siêu tham số phù hợp trở nên dễ dàng hơn.

AutoGluon dựa trên công việc ban đầu được bắt đầu bởi Microsoft (MSFT ) và Amazon vào năm 2017. Gluon ban đầu là một giao diện học máy được thiết kế để cho phép các nhà phát triển trộn và kết hợp các thành phần tối ưu hóa để tạo ra mô hình của riêng họ, nhưng AutoGluon chỉ tạo ra một mô hình từ đầu đến cuối dựa trên mong muốn của người dùng. AutoGluon được cho là có khả năng tạo ra một mô hình và chọn siêu tham số cho mô hình, trong phạm vi các lựa chọn được chỉ định, với chỉ vài dòng mã. Nhà phát triển chỉ cần cung cấp một số đối số như thời gian hoàn thành đào tạo mong muốn, và AutoGluon sẽ tính toán mô hình tốt nhất sẽ hoàn thành trong thời gian chạy được chỉ định và với các tài nguyên tính toán có sẵn.

Hiện tại, AutoGluon có thể tạo mô hình cho phân loại hình ảnh, phân loại văn bản, phát hiện đối tượng và dự đoán bảng. API của AutoGluon cũng được thiết kế để cho phép các nhà phát triển có kinh nghiệm hơn có thể tùy chỉnh mô hình được tạo tự động và cải thiện hiệu suất. Hiện tại, AutoGluon chỉ có sẵn cho Linux và yêu cầu Python 3.6 hoặc 3.7.

Jonas Mueller, một phần của đội phát triển AutoGluon, giải thích lý do đằng sau việc tạo ra AutoGluon:

“Chúng tôi đã phát triển AutoGluon để thực sự dân chủ hóa học máy và làm cho sức mạnh của học sâu có sẵn cho tất cả các nhà phát triển. AutoGluon giải quyết vấn đề này vì tất cả các lựa chọn đều được tự động điều chỉnh trong các phạm vi mặc định được biết đến là hoạt động tốt cho nhiệm vụ và mô hình cụ thể.”

AutoGluon là một phương pháp mới trong một loạt các phương pháp nhằm giảm thiểu chuyên môn và thời gian cần thiết để đào tạo mô hình học máy. Các thư viện phần mềm như Theano đã tự động hóa việc tính toán vectơ gradient, trong khi Keras cho phép các nhà phát triển dễ dàng chỉ định các siêu tham số mong muốn. Amazon tin rằng vẫn còn nhiều cơ hội để dân chủ hóa học máy, như làm cho việc tiền xử lý dữ liệu và điều chỉnh siêu tham số trở nên đơn giản hơn.

Sự tạo ra AutoGluon dường như là một phần của nỗ lực của Amazon nhằm làm cho việc đào tạo và triển khai hệ thống học máy trở nên dễ dàng và tiếp cận hơn. Amazon cũng đã thực hiện các thay đổi tập trung vào học máy đối với bộ công cụ AWS của mình. Ví dụ, các bản nâng cấp đã được thực hiện cho bộ công cụ AWS Sagemaker. Bộ công cụ AWS SageMaker trong bộ công cụ AWS cho phép các nhà phát triển đào tạo và triển khai mô hình đến đám mây. SageMaker đi kèm với một loạt các công cụ cho phép các nhà phát triển tự động chọn thuật toán, đào tạo và xác thực mô hình, và cải thiện độ chính xác của mô hình.