夏乙 发自 凹非寺
量子位 出品 | 公众号 QbitAI

让神经网络自己设计神经网络,大降机器学习门槛的Google AutoML,最近终于开始了Beta测试。

不过,很快就有同行纷纷跳出来表示不服。最新的一波来自美国德州农工大学(Texas A&M University)助理教授胡侠和他的两名博士生:金海峰、Qingquan Song。

下图从左到右,依次就是他们三位:

开源的“谷歌AutoML杀手”来了 | Auto Keras-深度学习中文社区

他们不仅吐槽了Google AutoML的问题,还给出了自己的解决方案:Auto-Keras,一个基于Keras的开源自动机器学习Python软件库。

开源的“谷歌AutoML杀手”来了 | Auto Keras-深度学习中文社区

胡老师和学生们所列出的Google AutoML三大缺陷,简单来说是这样的:

🙄 第一,还得付钱。
🙄 第二,因为在云上,还得配置Docker容器和Kubernetes。
🙄 第三,服务商(Google)保证不了你数据安全和隐私。

机器学习博客Towards Data Science上的一篇文章,给了个更加直接的评价:太疯狂了!以前Google和整个AI界都更喜欢开源,喜欢和所有人分享知识,现在竟然拿这个东西来赚钱?

于是,这篇文章认定,Google AutoML会败于开源,而德州农工的Auto-Keras,将成为AutoML杀手。

开源的“谷歌AutoML杀手”来了 | Auto Keras-深度学习中文社区

Auto-Keras是一个开源、免费的工具,和Google的AutoML功能相似,也能为深度学习模型自动搜索架构和超参数,使用的方法是高效神经架构搜索(Efficient Neural Architecture Search,简称ENAS)。

其实,ENAS方法来源于Google Brain,是AutoML团队今年2月提出的。胡侠和同学们在打造Auto-Keras的时候,对ENAS做了一些改造。

原来的ENAS基于参数共享,而Auto-Keras所用的,则是基于网络态射(network morphism)。

他们为了降低ENAS的计算成本,引入神经网络核和树结构的采集函数优化算法,用贝叶斯优化来引导神经网络的网络态射。这样可以在改变神经架构的同时保持神经网络的功能,在搜索期间提高训练效率。

想尝试一下?安装也很简单:

pip install autokeras

完成。

在众多深度学习框架中,Keras是以简单好上手著称的,所以,Auto-Keras的代码也不难理解,想要在它基础上做一些个性化设置,可以自己调整参数。

用到最后,还能看到神经架构搜索得出的模型。

最后,附上一些传送门 ↓

官网:

autokeras.com/

GitHub:

jhfjhfj1/autokeras

论文:jhfjhfj1/autokeras论文:

开源的“谷歌AutoML杀手”来了 | Auto Keras-深度学习中文社区

Efficient Neural Architecture Search with Network Morphism
Haifeng Jin, Qingquan Song, Xia Hu
arxiv.org/abs/1806.1028

enjoy~

 


欢迎大家关注我们的专栏:量子位 - 知乎专栏
诚挚招聘
量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
量子位 QbitAI· 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态