昨日，Uber官網重磅宣布新開源深度學習框架Ludwig，不需要懂編程知識，讓專家能用的更順手，讓非專業人士也可以玩轉人工智能，堪稱史上最簡單的深度學習框架！

Ludwig是一個建立在TensorFlow之上的工具箱，它允許用戶在不需要編寫代碼的情況下訓練和測試深度學習模型！ 簡單到什么程度？令人發指！ 用戶只需要提供一個包含數據的CSV文件，一個列表作為輸入，一個列表作為輸出，Ludwig就將為你完成其余的工作：訓練、測試、可視化、分布式訓練等等。 安裝Ludwig就這樣簡單：

訓練模型就一行命令：

模型預測也就一個命令：

可視化也只需一行：

當然，對于熟悉Python的用戶，Ludwig也提供了非常簡單易用的API：

可視化工具允許你分析模型的訓練和測試性能，并對它們進行比較。

Ludwig在構建時考慮了可擴展性原則，很容易添加對新數據類型和新模型體系結構的支持。 工程人員可以使用它快速訓練和測試深度學習模型，研究人員也可以使用它來獲得強有力的基線版本，并方便進行對比，并通過執行標準數據預處理和可視化來確保模型可比性。 打個比方！TensorFlow提供了建筑房屋的積木，Ludwig提供的則是一棟棟的房子，你來決定建造怎樣的城市！！ 該工具箱的核心設計原則是: 無需編碼:不需要編碼技能來訓練模型也不需要編碼用它進行預測。 通用性:一種新的基于數據類型的深度學習模型設計方法，使該工具可以跨許多不同的應用領域使用。這點無比強大！ 靈活性:經驗豐富的用戶對模型構建和訓練可進行有效的控制，而新手會容易上手。 可擴展性:易于添加新的模型體系結構和新的特征數據類型。 可理解性:深度學習模型內部通常被認為是黑匣子，但是該庫提供標準的可視化來理解它們的性能并比較它們的預測。 開源: Apache許可證2.0

使用該庫的簡單獨到之處在于，你只需要關注于數據CVS文件和配置文件YAML！ Ludwig提供了不少計算機視覺、自然語言處理、機器學習熱門應用的例子，讓我們一起來領略使用一行命令我們能做什么吧！下面圖中表格即為CVS數據文件示例，表格下為調用例子實驗的命令。 圖像分類：

視覺問答：

孿生網絡One-shot學習：

圖像描述：

機器翻譯：

自然語言理解：

命名實體識別：

文本分類：

多任務學習：

多標簽分類：

電影評分預測（機器學習回歸預測）：

時間序列預測：

Kaggle泰坦尼克入門：幸存者預測

語義分析：

對話機器人：

無需編程、一行命令使用深度學習解決實際問題！關鍵是還在Uber的生產環境經過工程驗證！這樣的好工具，你想不想試一下呢？ 開源地址： https://github.com/uber/ludwig 文檔及示例： https://uber.github.io/ludwig/

轉載于:https://www.cnblogs.com/wuhh123/p/10862130.html

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的Uber发布史上最简单的深度学习框架Ludwig！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。