NAS框架AUTO Keras帮你搜索最佳深度模型

【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-

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2018-08-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏计算机视觉战队

人脸检测与识别的趋势和分析

现在打开谷*公司的搜索器,输入 “face detect”,估计大家都能够想到,都是五花八门的大牛文章,我是羡慕啊!(因为里面没有我的一篇,我们实验室的原因,至...

37112
来自专栏AI研习社

怎样在树莓派上轻松实现深度学习目标检测?

这个现实世界造成了很多挑战,比如数据有限、只有微型的计算机硬件(像手机、树莓派)所造成的无法运行复杂深度学习模型等。这篇文章演示了如何使用树莓派来进行目标检测。...

1723
来自专栏机器学习、深度学习

人群分析--ResnetCrowd: A Residual Deep Learning Architecture

ResnetCrowd: A Residual Deep Learning Architecture for Crowd Counting, Violent B...

2517
来自专栏CVer

[计算机视觉论文速递] ECCV 2018 专场3

Amusi 将日常整理的论文都会同步发布到 daily-paper-computer-vision 上。名字有点露骨,还请见谅。喜欢的童鞋,欢迎star、for...

770
来自专栏目标检测和深度学习

资源 | 用Python和NumPy学习《深度学习》中的线性代数基础

922
来自专栏玉树芝兰

如何用 Python 和深度迁移学习做文本分类?

在《如何用 Python 和 fast.ai 做图像深度迁移学习?》一文中,我为你详细介绍了迁移学习给图像分类带来的优势,包括:

2022
来自专栏数据和云

深入内核丨12C 新特性之 TOP - N 频率柱状图原理和算法

作者简介 ? 黄玮(Fuyuncat) 资深 Oracle DBA,致力于数据库底层技术的研究,其作品获得广大同行的高度评价。 个人网站 www.HelloDB...

28612
来自专栏机器之心

资源 | 用Python和NumPy学习《深度学习》中的线性代数基础

2263
来自专栏BestSDK

Google推出黑科技:无需写代码,3分钟学会机器学习

简单的说,Teachable Machine是一个基于浏览器的机器学习演示实验,用一个叫做Deeplearn.js的库构建,网页开发者可以编写一个简单的视觉输入...

3734
来自专栏WOLFRAM

Wolfram 语言与计算型显微镜

1564

扫码关注云+社区

领取腾讯云代金券