让AI去训练AI,autoML、autoKeras、auto-sklearn了解一波
15000+跨学科人群,机器学习、量化交易、物联网、区块链、产品、建筑设计、服装设计、珠宝设计、音乐、艺术等。
当你有一个idea的时候,好不容易收集好了数据,但是面对一堆的机器学习算法,还有各种参数的调试,这个时候,只能一种一种算法进行尝试,各种参数进行组合试验,此过程非常耗费时间跟精力,是个重复的劳动的过程,这个时候,我们就会想,能不能为此过程也开发一种算法,来自动帮我们完成算法和超参的选择,于是autoML就诞生了。
——让AI去训练AI。
我们先了解下自动化机器学习是什么?
自动化机器学习
Automatic Machine Learning, AutoML
简单来说就是一种自动化任务的方法,包括以下内容:
预处理并清理数据
选择并构建适当的功能
选择合适的模型
优化模型超参数
后处理机器学习模型
批判性地分析所获得的结果
https://www.automl.org/automl
在机器学习自动化方面,谷歌的 AutoML 无疑地位稳固。AutoML 基于谷歌最新的图像识别技术神经架构搜索( Neural Architecture Search ,NAS)。NAS 是一种算法,会根据特定数据集搜索最佳神经网络架构,以在该数据集上执行特定任务。
AutoML 则是一套机器学习工具,可以轻松训练高性能深度网络,而无需用户掌握深度学习或 AI 知识,用户值需要标记数据,导入工具即可。然而,谷歌的AutoML是收费的。这边介绍2个开源解决库:
1 AutoKeras
https://autokeras.com
AutoKeras 是一个用于自动化机器学习的开源软件库,提供自动搜索深度学习模型的架构和超参数的功能。
安装相当简单:
pip install autokeras
4行即可实现图像分类:
import autokeras as ak
cls = ak.ImageClassifier()
cls.fit(X_train, y_train)
predictions = cls.predict(X_test)
2 Auto-sklearn
http://automl.github.io/auto-sklearn
跟Auto-Keras类似,Auto-sklearn是基于sklearn的。
同样,也是4行代码:
import autosklearn.classification
cls = autosklearn.classification.AutoSklearnClassifier()
cls.fit(X_train, y_train)
predictions = cls.predict(X_test)
有机会可以尝试下以上2个AI训练AI的开源库~
也许某一天AI会自己收集数据,自己训练AI,自己部署成应用。
以上为全文。
近期活动推荐:
快!TensorFlow、黑客马拉松、DevFest千人大会 ,GDG DevFest 2018在召唤你
--------------------------------------
mixlab 无界社区 是一所面向未来的实验室,它提倡“跨界创新,开放成长”的理念。
——跨界 开放 互助 学习 思维 创新。
目前社区汇集了1500+跨学科人群,主要来自GoogleBrain、微软、华为、阿里鲁班、腾讯、旷视、三角兽、物灵科技、众安保险、美团、360等科技人才、设计师及CEO和投资人;高校分布MIT、Oxford、Cambridge、CMU、UoM、清华、上交大、同济等学生及教师群体;学科跨越机器学习、自然语言处理、量化交易、物联网、区块链、前端、后端、产品经理、UI设计、建筑设计、服装设计、珠宝设计、音乐、艺术等。
社区典型的用户技能为:
ML00:小程序开发、AI+设计
ML04: 算法作曲
ML05:AI变脸
ML07:WebGL+Three.js数据可视化
ML14:增长黑客
ML16:机器学习
ML37:AR
ML41:人工智能+音乐
ML44:珠宝设计+参数化设计
ML83:量化交易、数字货币交易
ML109:Arduino、processing
ML113:人工智能+服装设计
ML206:VR/AR
ML245:建筑设计智能化
详细介绍点击以下卡片:
mixlab期待您的加入!
让你具备无限可能……
不赞赏下?
不点下广告?
不转发下?