谷歌宣布开源AdaNet:AutoML又一利器
极客时间编辑部
讲述:杜力大小:1.04M时长:02:17
最近,谷歌宣布开源 AdaNet,这是一个轻量级的基于 TensorFlow 的框架,可以在最少的专家干预下自动学习高质量的模型。这个项目基于科尔特斯(Cortes)等人 2017 年提出的 AdaNet 算法,用于学习作为子网络集合的神经网络的结构。
谷歌 AI 负责人杰夫·迪恩(Jeff Dean)表示,这是谷歌 AutoML 整体工作的一部分,并且,谷歌同时提供了 AdaNet 的开源版本和教程 notebook。
该团队在介绍博客中表示,AdaNet 是以最近的强化学习和基于进化的 AutoML 研究为基础,在提供学习保证的同时更加快速、灵活。重要的是,它提供了一个通用框架,不仅可以学习神经网络架构,还可以学习集成,以获得更好的模型。
据介绍,AdaNet 可以自动搜索神经网络架构,并学会将最好的架构组合成一个高质量的模型。它易于使用,并能创建高质量的模型,为 ML 实践者节省了用于选择最佳神经网络架构的时间,实现了一种将学习神经架构作为子网络集合的自适应算法。
另外,AdaNet 实现了 TensorFlow Estimator 接口,通过封装训练、评估、预测和服务导出,大大简化了机器学习编程。它集成了开源工具,如 TensorFlow Hub 模块等。分布式训练支持可以缩短训练时间,并且能与可用的 CPU 和加速器(例如 GPU)进行线性扩展。
由于 TensorBoard 是用于在训练期间可视化模型性能的最佳 TensorFlow 功能之一,AdaNet 可以与其进行无缝集成,以监控子网络训练,集合组合和性能。当 AdaNet 完成训练后,它会导出一个可以使用 TensorFlow Serving 部署的 SavedModel。
此外,AdaNet 还提供了以下特征:
Estimator API,可以轻松训练、评估和服务 AdaNet 模型。
学习在 TensorFlow 中集成用户定义的子网。
用于在单个 train 调用中搜索子网架构和参数的接口。
关于 CPU 和 GPU 的分布式训练(正在开发 TPU 支持)。
一流的 TensorBoard integration。
提供理论学习。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论