不爽 Google AutoML 要收錢,工程師們自己做了一個「免費開源版」對槓 Google

【我們為什麼挑選這篇文章】Google AutoML 推出時引起市場一片譁然,這將是會改變人工智慧產業的新產品。但有別於過去習慣以開源方式來處了這些案例,這次 Google 卻是以付費服務的方式推出,不服氣的工程師決定自己動手做相同產品,完成「不服來辯」的成就。(責任編輯:林子鈞)

讓神經網絡自己設計神經網絡,大降機器學習門檻的 Google AutoML,最近終於開始了 Beta 測試。

不過,很快就有同行紛紛跳出來表示不服。最新的一波來自美國德州農工大學(Texas A&M University)助理教授胡俠和他的兩名博士生:金海峰、Qingquan Song。

下圖從左到右,依次就是這三位:

他們不僅吐槽了 Google AutoML 的問題,還給出了自己的解決方案: Auto-Keras,一個基於 Keras 的 開源 自動機器學習 Python 軟件庫。

胡老師和學生們所列出的 Google AutoML 三大缺陷,簡單來說是這樣的:

第一,還得付錢。
第二,因為在雲上,還得配置 Docker 容器和 Kubernetes。
第三,服務商(Google)保證不了你數據安全和隱私。

機器學習博客 Towards Data Science 上的一篇文章,給了個更加直接的評價:太瘋狂了!以前 Google 和整個 AI 界都更喜歡開源,喜歡和所有人分享知識,現在竟然拿這個東西來賺錢?

於是,這篇文章認定,Google AutoML 會敗於開源,而德州農工的 Auto-Keras,將成為 AutoML 殺手。

Auto-Keras 是一個開源、免費的工具,和 Google 的 AutoML 功能相似,也能為深度學習模型自動搜索架構和超參數,使用的方法是高效神經架構搜索(Efficient Neural Architecture Search,簡稱 ENAS)。

其實,ENAS 方法來源於 Google Brain,是 AutoML 團隊今年 2 月提出的。胡俠和同學們在打造 Auto-Keras 的時候,對 ENAS 做了一些改造。

原來的 ENAS 基於參數共享,而 Auto-Keras 所用的,則是基於網絡態射(network morphism)。

他們為了降低 ENAS 的計算成本,引入神經網絡核和樹結構的採集函數優化算法,用貝葉斯優化來引導神經網絡的網絡態射。這樣可以在改變神經架構的同時保持神經網絡的功能,在搜索期間提高訓練效率。

想嘗試一下?安裝也很簡單:

pip install autokeras

完成。

在眾多深度學習框架中,Keras 是以簡單好上手著稱的,所以,Auto-Keras 的代碼也不難理解,想要在它基礎上做一些個性化設置,可以自己調整參數。

用到最後,還能看到神經架構搜索得出的模型。

最後,附上一些傳送門 ↓

官網
GitHub

論文:

Efficient Neural Architecture Search with Network Morphism
Haifeng Jin, Qingquan Song, Xia Hu

enjoy~

AutoML

【2018 年 Google Next 大會】機器學習神境界,不用寫 Code 就可以辨識圖像

AI 新創服務的末日到了?Google 新 AI 平台,讓不懂技術的人也能玩轉人工智慧

想做機器學習模型卻不知從何著手?介紹三個 Google AI 工具給不同需求的你

(本文經合作夥伴 量子位 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈開源的“谷歌 AutoML 殺手”來了 〉)


【徵求產業線編輯 3 名】

工作內容與需求:

1. 高度關注國際科技趨勢、台灣產業新聞
2. 根據月度編輯台企劃,執行編輯、採訪與撰稿工作
3. 進行線上、線下媒體策展
4. 根據不同策展專案進行跨部門溝通
5. 針對網站數據做解讀與優化分析
6. 具有 2~3 年工作經驗的媒體工作者
7. 習慣閱讀《彭博社》、《財富雜誌》、《金融時報》、《Fast Company》者更佳
8. 目標導向思考,對準目標、彈性工作

【應徵方式】

意者請提供履歷自傳以及「相關文字作品」,寄至 [email protected]。來信主旨請註明:【應徵】TechOrange 社群編輯:您的大名

點關鍵字看更多相關文章: