AutoKeras：谷歌 AutoML 的杀手！

作者：加拿大多伦多 indus.ai 公司的机器学习工程师 George Seif

谷歌AI团队终于发布了AutoML的测试版，一些人说这项服务将完全改变我们搞深度学习的方式。

谷歌的AutoML是一种新的云软件套件，包含诸多机器学习工具。它基于谷歌在图像识别领域最先进的研究成果：神经架构搜索（NAS）。NAS实际上是一种算法，如果为它馈送特定的数据集，它就能搜索针对该数据集执行某项任务效果最佳的神经网络。AutoML还是一套机器学习工具，让用户可以轻松训练高性能深度网络，无需用户对深度学习或AI有所了解，你只需要标记数据！谷歌将使用NAS找到最适合你特定数据集和任务的网络。谷歌已经表明了它的方法如何获得远胜于手动设计的网络的性能。

AutoML完全改变了整个机器学习领域，因为对于许多应用而言，根本不需要专业技能和知识。许多公司只需要深度网络就可以完成较简单的任务，比如图像分类。那样它们就不需要聘请5名机器学习博士，只需要能处理移动和组织数据这项任务的人员。

如此说来，AutoML是让任何公司或个人都能轻松搞AI的致胜法宝吗？！

别这么快下结论。

想使用谷歌的AutoML用于计算机视觉，每小时需要花费20美元。这也太贵了！在花钱试用之前，你甚至无法确信会获得比自己手动设计的网络高得多的准确性。在过去，无论是在谷歌还是在AI社区，大家都偏爱开源，能够与所有人共享知识，谷歌怎么靠这项专有技术来赚钱倒值得拭目以待。

这正是谷歌的AutoML会失败的地方：开源。

这时候AutoKeras（https://github.com/jhfjhfj1/autokeras）闪亮登场，这个开源的python软件包是用非常易于使用的深度学习库Keras编写的，它由德州农工大学的数据实验室（DATA LAB）开发的。AutoKeras使用ENAS（https://arxiv.org/abs/1802.03268），这是一种高效的、最新的神经架构搜索方法。你只要使用pip install autokeras，就可以快速轻松地安装软件包，之后就可以针对自己的数据集执行自己的架构搜索，而且免费。

由于所有代码都开源，如果你想做一些定制工作，甚至可以调整一些参数。它完全用Keras编写，所以代码易于理解和钻研，让开发人员可以快速创建准确的模型，让研究人员可以更深入地钻研架构搜索方法。

AutoKeras拥有优秀的开源项目应具备的所有要素：快速安装、易于运行、大量示例、易于修改，甚至可以看到NAS最终发现的网络模型！如果你更喜欢TensorFlow或Pytorch，这里（https://github.com/melodyguan/enas）和这里（https://github.com/carpedm20/ENAS-pytorch）也有相应的资源！

我绝对建议试一试AutoKeras或任何其他实现版本，AutoML的这个替代者的费用便宜得多。也许谷歌正在AutoML的底层为开源内容做更多的工作，但考虑到NAS模型和手动设计的模型之间的性能差异非常小，我怀疑人们会为了只高出一点的性能愿意支付这么高的价格。

深度学习和AI是非常强大的技术，我们不应该设立这么高的付费墙把它隐藏起来。是的，谷歌、亚马逊、苹果、Facebook和微软都是需要赚钱才能生存和竞争的企业。可是在当前研究论文公开，我们有深度学习库可以用来快速复制方法的形势下，明明很容易开源，却试图阻止人们使用并不明智。

这里还有一个可能更重大的问题：知识本身被隐藏起来。AI领域近期的其中一个可喜的动向就是，研究界大多数人士决定在Arxiv之类的网站上迅速公布工作成果，与业界人士共享、征求反馈。更重要的是，越来越盛行的趋势是，将研究代码发布在Github上供复制，在研究和实际应用中进一步使用算法。不过，我们还是看到这类研究成果被藏在付费墙后面保护起来。

共享科学知识有助于进步，并促进所有人的总体知识。有一点是可以肯定的：知识应该是开源的，这样对所有人来说更有利。