DL框架之AutoKeras框架：深度學習框架AutoKeras框架的簡介、特點、安裝、使用方法詳細攻略

Paper：《Efficient Neural Architecture Search via Parameter Sharing》

?

?

目錄

AutoKeras框架的簡介

AutoKeras框架的特點

AutoKeras的安裝

AutoKeras框架的使用方法

---

?

?

?

?

AutoKeras框架的簡介

?

? ? ? ? AutoKeras是一個開源的，基于 Keras 的新型 AutoML 庫。AutoKeras 是一個用于自動化機器學習的開源軟件庫，提供自動搜索深度學習模型的架構和超參數的功能。
(1)、Keras 是一個用 Python 編寫的高級神經網絡 API，能夠在 TensorFlow、CNTK 或 Theano 之上運行。它的意義在于可以實現快速實驗。而能夠以最小的延遲把想法變成結果是順利進行研究的關鍵。

? ? ? ?AutoKeras比AutoML偉大的地方就是開源，哈哈，開源就等同于免費！這是我非常喜歡的一點！！！簡而言之，AutoML是給有錢的公司玩的，像我們這樣做學術研究的，?AutoKeras簡直妙不可言！！

官方網站：https://autokeras.com/
項目github：https://github.com/jhfjhfj1/autokeras
TensorFlow版本：https://github.com/melodyguan/enas
PyTorch 版本：https://github.com/carpedm20/ENAS-pytorch

?

AutoKeras框架的特點

1、AutoKeras 基于非常易于使用的深度學習數據庫 Keras，使用 ENAS 的方法。ENAS 是 NAS 的最新版本，因此讓 AutoKeras 具有高效、安裝簡單、參數可調、易修改等特點。

?

?

AutoKeras的安裝

1、安裝AutoKeras

pip install autokeras

?

2、測試

import autokeras as akclf = ak.ImageClassifier() clf.fit(x_train, y_train) results = clf.predict(x_test)#導出模型 from autokeras import ImageClassifier clf = ImageClassifier(verbose=True, augment=False) clf.load_searcher().load_best_model().produce_keras_model().save('my_model.h5')#可視化模型 from keras.models import load_model model = load_model('my_model.h5') #See 'How to export keras models?' to generate this file before loading it. from keras.utils import plot_model plot_model(model, to_file='my_model.png')

?

AutoKeras框架的使用方法

1、舉個栗子

from keras.datasets import mnist from autokeras.image_supervised import ImageClassifierif __name__ == '__main__':(x_train, y_train), (x_test, y_test) = mnist.load_data()x_train = x_train.reshape(x_train.shape + (1,))x_test = x_test.reshape(x_test.shape + (1,))clf = ImageClassifier(verbose=True)clf.fit(x_train, y_train, time_limit=12 * 60 * 60)clf.final_fit(x_train, y_train, x_test, y_test, retrain=True)y = clf.evaluate(x_test, y_test)print(y)

2、再舉一個栗子

# coding:utf-8 import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import numpy as np import matplotlib.pyplot as plt from scipy.misc import imresize import cv2 from autokeras.image_supervised import ImageClassifier from sklearn.metrics import accuracy_score from keras.models import load_model from keras.utils import plot_model import timestart = time.time()def read_img(path,class_num):imgName_list = os.listdir(path)n = len(imgName_list)# img_index,img_colummns,img_rgbSize = plt.imread(path+'/'+imgName_list[0]).shapeimg_index, img_colummns = [28,38] # 這個設置很重要。如果你的電腦很好的話可以忽略設置。要不然內存不足的。print(img_index,img_colummns)data = np.zeros([n,img_index,img_colummns,1])label = np.zeros([n,1])class_number = 0for i in range(n):imgPath = path+'/'+imgName_list[i]data[i,:,:,0] = imresize(cv2.cvtColor(plt.imread(imgPath),cv2.COLOR_BGR2GRAY),[img_index,img_colummns])if (i)%(class_num) == 0:class_number = class_number+1label[i,0] = class_numberreturn data,labelx_train,y_train = read_img('./data/re/train',80) x_test,y_test = read_img('./data/re/test',20)animal = ['bus', 'dinosaur', 'flower', 'horse', 'elephant'] # 動物類別對應 labelValue 為 [1,2,3,4,5] # plt.imshow(x_test[0,:,:,0],cmap='gray') # plt.show()if __name__=='__main__':# 模型構建model = ImageClassifier(verbose=True)# 搜索網絡模型model.fit(x_train,y_train,time_limit=1*60)# 驗證最優模型model.final_fit(x_train,y_train,x_test,y_test,retrain=True)# 給出評估結果score = model.evaluate(x_test,y_test)# 識別結果y_predict = model.predict(x_test)# 精確度accuracy = accuracy_score(y_test,y_predict)# 打印出score與accuracyprint('score:',score,' accuracy:',accuracy)model_dir = r'./modelStructure/imgModel.h5'model_img = r'./modelStructure/imgModel_ST.png'# 保存可視化模型# model.load_searcher().load_best_model().produce_keras_model().save(model_dir)# 加載模型# automodel = load_model(model_dir)# 輸出模型 structure 圖# plot_model(automodel, to_file=model_img)end = time.time()print(end-start)

?

總結

以上是生活随笔為你收集整理的DL框架之AutoKeras框架：深度学习框架AutoKeras框架的简介、特点、安装、使用方法详细攻略的全部內容，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。