会员服务

NAS框架AUTO Keras帮你搜索最佳深度模型

专知出品

【导读】Neural Architecture Search (NAS)是当前正热的科研和工程方向，旨在帮人们自动搜索最适合当前任务的深度神经网络，低成本地获得最优的深度模型。今天Keras的作者François Chollet在Twitter上推荐了NAS框架AUTO Keras。本文会介绍AUTO Keras以及一些其他的NAS框架。




人工构建深度模型的难点

相比于传统机器学习，深度学习帮工程师和科研人员省去了大量的人工构建规则、人工调整参数的时间。但深度模型的构建，依然依赖大量的人力来选择合适的深度模型，并且需要时间和运气，俗称炼丹。



深度模型辅助构建

由于深度模型构建耗时耗力，人们开始寻求能够辅助构建深度模型的方法。Google也推出了相应的平台CLOUD AUTOML，号称“只需极少的工作量和机器学习专业知识，即可训练出高质量的自定义机器学习模型”。但可惜该平台目前是ALPHA版，还是收费的。


 

开源的AUTO Keras

今天凌晨，Keras作者François Chollet在Twitter上推荐了NAS框架AUTO Keras，Github地址为https://github.com/jhfjhfj1/autokeras：



AUTO Keras还有配套的论文Efficient Neural Architecture Search with Network Morphism，它基于Bayesian optimization来搜索深度模型。




AUTO Keras的使用

AUTO Keras是Python写的，它的安装命令很简单：

pip install autokeras


用AUTO Keras训练一个图像分类器的代码如下：

import autokeras as ak

clf = ak.ImageClassifier()
clf.fit(x_train, y_train)
results = clf.predict(x_test)

可以看到，示例代码中并没有要求程序员选择具体的分类器，而是用了autokeras.ImageClassifier（图像分类器），将具体的特征、标签告诉分类器，就可以自动构建深度分类器。


不仅是AUTO Keras

除了AUTO Keras，还有一些旨在辅助非专家用户构建机器学习模型的开源工具，如：

  • SMAC：

    • 论文：Sequential model-based optimization for general algorithm configuration.

    • Github地址：

      https://github.com/automl/SMAC3

  • Auto-WEKA

    • https://github.com/automl/autoweka

  • Auto-Sklearn

    • https://github.com/automl/auto-sklearn


参考文献：

  1. Efficient Neural Architecture Search with Network Morphism

  2. Sequential model-based optimization for general algorithm configuration


-END-

专 · 知


人工智能领域主题知识资料查看与加入专知人工智能服务群：

【专知AI服务计划】专知AI知识技术服务会员群加入与人工智能领域26个主题知识资料全集获取。欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！


请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~


请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知

展开全文
Top
微信扫码咨询专知VIP会员
Top