大家好，歡迎來到專欄《AutoML》，在這個專欄中我們會講述AutoML技術(shù)在深度學習中的應用，這一期講述現(xiàn)有可用的AutoML平臺。

作者&編輯 | 言有三

自從Google提出AutoML那天起，工業(yè)界和學術(shù)界就已經(jīng)迅速跟進了，經(jīng)過了幾年的發(fā)展，那么現(xiàn)在工業(yè)界都有了哪些AutoML平臺呢？本次簡單介紹其中重要的一些。

1 Google Cloud?AutoML

作為AutoML的提出和嘗鮮者，Google Cloud AutoML是當前最早也是最成熟的AutoML系統(tǒng)，覆蓋了圖像分類，文本分類以及機器翻譯三大領域，另外也上線了測試版的視頻相關(guān)服務，支持遷移學習和模型結(jié)構(gòu)搜索，超參數(shù)搜索。

以視覺為例，當我們想要使用一個服務時，只需要三步：

(1) 上傳圖片到Google Cloud Storage。

(2) 創(chuàng)建一個圖片和對應標簽的CSV文件。

(3) 使用AutoML Vision格式化數(shù)據(jù)集，然后訓練和部署模型。

Cloud AutoML提供了API調(diào)用和圖形界面，想試用的自己去嘗試吧。

2?EasyDL

EasyDL是百度的AutoML平臺，作為國內(nèi)AI技術(shù)積累最雄厚的企業(yè)，AutoML領域百度自然也是當仁不讓，目前包含經(jīng)典版，專業(yè)版和零售版，支持遷移學習和模型結(jié)構(gòu)搜索。

支持的任務類型包括圖像分類、物體檢測、圖像分割、文本分類、視頻分類、聲音分類，PaddlePaddle雖然慘淡，EasyDL還有希望。

使用流程包含四步：

(1) 數(shù)據(jù)上傳與數(shù)據(jù)標注

(2) 訓練任務配置及調(diào)參

(3) 模型效果評估

(4) 模型部署

3 阿里云PAI

阿里云機器學習平臺PAI（Platform of Artificial Intelligence）是阿里巴巴推出的機器學習服務平臺，包含3個子產(chǎn)品，分別是機器學習可視化開發(fā)工具PAI-STUDIO，云端交互式代碼開發(fā)工具PAI-DSW，模型在線服務PAI-EAS，?提供了從數(shù)據(jù)處理、模型訓練、服務部署到預測的一站式服務。

業(yè)務范圍包括文本分類，金融風控，商品推薦等。

4?Azure Machine Learning

Azure Machine Learning是Microsoft的AutoML平臺，支持模型結(jié)構(gòu)搜索和超參數(shù)搜索。

Azure Machine Learning支持眾多深度學習框架，配合微軟的眾多開發(fā)工具，使用非常方便。

5 一些創(chuàng)業(yè)公司

除了有雄厚研究實力的大公司，許多的創(chuàng)業(yè)公司也涌入AutoML領域開發(fā)相關(guān)框架，國外的典型代表是H2O Driverless AI，r2.ai等。

國內(nèi)的典型是第四范式AI Prophet AutoML等。

不過相比于Google和百度等大廠，工具的可用性和服務還是有差距的。

6 一些開源項目

AutoML開源項目眾多，下面簡單匯總一些，感興趣的可以去探索。

https://github.com/tensorflow/adanet

https://github.com/keras-team/autokeras

https://github.com/Tencent/PocketFlow

https://github.com/automl/auto-sklearn

https://github.com/h2oai/h2o-3/

如果想了解更多，不如參考這個GitHub項目。

https://github.com/hibayesian/awesome-automl-papers

總結(jié)

AutoML作為最前沿的機器學習/深度學習技術(shù)之一，會進一步降低人工設計模型的成本，雖然目前已經(jīng)有了眾多解決方案，但是還未大規(guī)模的商業(yè)化應用。

下期預告：AutoML與模型結(jié)構(gòu)搜索開篇。

有三AI秋季劃

有三AI秋季劃已經(jīng)正式啟動報名，模型優(yōu)化，人臉算法，圖像質(zhì)量共24個項目，助力提升深度學習計算機視覺算法和工程項目能力。

有三AI秋季劃出爐，模型優(yōu)化，人臉算法，圖像質(zhì)量等24個項目等你來拿

轉(zhuǎn)載文章請后臺聯(lián)系

侵權(quán)必究

往期文章

• 【AutoML】如何選擇最合適的數(shù)據(jù)增強操作

• 【AutoML】激活函數(shù)如何進行自動學習和配置

• 【AutoML】歸一化(Normalization)方法如何進行自動學習和配置

• 【AutoML】優(yōu)化方法可以進行自動搜索學習嗎？

• 【AutoML】損失函數(shù)也可以進行自動搜索學習嗎？

• 【AutoML】如何使用強化學習進行模型剪枝？

• 【AutoML】強化學習如何用于模型量化？
  

總結(jié)

以上是生活随笔為你收集整理的【AutoML】当前有哪些可用的AutoML平台？的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。