不爽 Google AutoML 要收钱,工程师们自己做了一

909浏览 分类:O墅生活 2020-06-14

不爽 Google AutoML 要收钱,工程师们自己做了一

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,依次就是这三位:

不爽 Google AutoML 要收钱,工程师们自己做了一

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。

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。

不爽 Google AutoML 要收钱,工程师们自己做了一

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採集函数优化算法,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:

完成。

在众多深度学习框架中,Keras 是以简单好上手着称的,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
GitHub

论文:

不爽 Google AutoML 要收钱,工程师们自己做了一

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

enjoy~

AutoML

机器学习神境界,不用写 Code 就可以辨识图像

AI 新创服务的末日到了?Google 新 AI 平台,让不懂技术的人也能玩转人工智慧

想做机器学习模型却不知从何着手?介绍三个 Google AI 工具给不同需求的你

上一篇:
下一篇:
相关文章