Für diejenige von euch die mein Artikel über Deep Learning Einführung gelesen haben und Interesse am Deep Learning und Künstliche Intelligenz (KI) zeigen: ich habe heute Auto-Keras entdeckt! Forschungsartikel „Effiziente neurale Architektur Suche mit Netzwerk-Morphismus“ kann hier gelesen werden. GitHub Code von Auto-Keras ist hier zu finden.
Im Vergleich zu Auto-Keras, Google AutoML ist nicht Open-Source ( kostet 20 $ pro Stunde).
NAS ist im Grunde ein Algorithmus, der in einem bestimmten Datensatz nach dem optimalen neuronalen Netzwerk sucht, um eine bestimmte Aufgabe in diesem Datensatz auszuführen. Das ursprüngliche NASNet von Google brauchte wahnsinnige Hardware (hunderte von GPUs), um in einem vernünftigen Zeitraum zu trainieren. Auf die andere Seite, Auto-Keras’s Efficient Neural Architecture Search via Parameter Sharing (ENAS) kann innerhalb eines Tages auf einer Nvidia GTX 1080 Ti oder Titan X GPU trainiert werden.
Sie können das Paket schnell und einfach mit pip install autokeras installieren und voila, Sie sind bereit, Ihre eigene Architektur-Suche auf Ihrem eigenen Dataset durchzuführen … kostenlos.
Auto-Keras bietet alles, was ein großartiges Open-Source-Projekt haben sollte: schnelle Installation, einfache Bedienung, viele Beispiele, einfach zu ändern, und Sie können sogar das Netzwerkmodell sehen, das NAS am Ende herausgefunden hat! Wenn Sie einen TensorFlow oder Pytorch bevorzugen, sind diese auch hier und hier verfügbar.
Ein Video über Auto-Keras (Open-Source-AutoML) auf Jupyter Notebook können Sie unten sehen. Code hier: https://github.com/jurjsorinliviu/deeplearning/blob/master/src/AutoKeras.ipynb
Mehr über Auto-Keras können Sie hier lesen: Auto-Keras oder Wie Sie ein Deep Learning-Modell in 4 Codezeilen erstellen können
Neueste Kommentare