谷歌公司推出一款机器学习的平台(AutoML(可视化工具(AutoML Vision)))新推出两个功能 :自然语言处理 AutoML Natural Language
翻译功能 AutoML Translation
不过谷歌这款机器学习的平台是收费的(标准应该是每小时550美金)
Uber公司推出一款深度学习的框架
Ludwig
对于熟悉python的我们来说 这个框架就比较简单了,适合我们学习,堪称史上最简单的深度学习框架,不需要懂编程知识,让专家能用的更顺手,让非专业人士也可以玩转人工智能。
Ludwig是一个建立在TensorFlow之上的工具箱,它允许用户在不需要编写代码的情况下训练和测试深度学习模型!
简单到什么程度?令人发指!
用户只需要提供一个包含数据的CSV文件,一个列表作为输入,一个列表作为输出,Ludwig就将为你完成其余的工作:训练、测试、可视化、分布式训练等等。
安装Ludwig就这样简单:
训练模型就一行命令:
模型预测也就一个命令:
可视化也只需一行:
当然,对于熟悉Python的用户,Ludwig也提供了非常简单易用的API:
可视化工具允许你分析模型的训练和测试性能,并对它们进行比较。
Ludwig在构建时考虑了可扩展性原则,很容易添加对新数据类型和新模型体系结构的支持。
工程人员可以使用它快速训练和测试深度学习模型,研究人员也可以使用它来获得强有力的基线版本,并方便进行对比,并通过执行标准数据预处理和可视化来确保模型可比性。
打个比方!TensorFlow提供了建筑房屋的积木,Ludwig提供的则是一栋栋的房子,你来决定建造怎样的城市!!
该工具箱的核心设计原则是:
无需编码:不需要编码技能来训练模型也不需要编码用它进行预测。
通用性:一种新的基于数据类型的深度学习模型设计方法,使该工具可以跨许多不同的应用领域使用。这点无比强大!
灵活性:经验丰富的用户对模型构建和训练可进行有效的控制,而新手会容易上手。
可扩展性:易于添加新的模型体系结构和新的特征数据类型。
可理解性:深度学习模型内部通常被认为是黑匣子,但是该库提供标准的可视化来理解它们的性能并比较它们的预测。
开源: Apache许可证2.0
使用该库的简单独到之处在于,你只需要关注于数据CVS文件和配置文件YAML!
Ludwig提供了不少计算机视觉、自然语言处理、机器学习热门应用的例子,让我们一起来领略使用一行命令我们能做什么吧!下面图中表格即为CVS数据文件示例,表格下为调用例子实验的命令。
图像分类:
视觉问答:
![](https://i-blog.csdnimg.cn/blog_migrate/a99cbdcd2752e87345f6ba2481ade00e.png)
![](https://i-blog.csdnimg.cn/blog_migrate/30168dd56503f9c3163d03be84b52345.png)
![](https://i-blog.csdnimg.cn/blog_migrate/f7ea31137b995dcb4615772268e54a5b.png)
![](https://i-blog.csdnimg.cn/blog_migrate/06d2ac4f575d5120dd746b45463f4f22.png)
![](https://i-blog.csdnimg.cn/blog_migrate/80edfd949949130abd4b382213e2eb29.png)
![](https://i-blog.csdnimg.cn/blog_migrate/7a5cc08d8fccd9ab2f15420711455112.png)
![](https://i-blog.csdnimg.cn/blog_migrate/4696b27d4ac75659caf90ebbb0221aa7.png)
![](https://i-blog.csdnimg.cn/blog_migrate/4d9d7848b38f93dcbcb4c051a84e84fa.png)
![](https://i-blog.csdnimg.cn/blog_migrate/eff4fe0913c0984ee1183c72b85489cb.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c87e8305fe58dfe12aab6d7487af3737.png)
![](https://i-blog.csdnimg.cn/blog_migrate/67cfb40f49c4ace22ce1850f75fcd7f4.png)
![](https://i-blog.csdnimg.cn/blog_migrate/48be771da2ac43bffe9dfe443d270960.png)
![](https://i-blog.csdnimg.cn/blog_migrate/9fbe3c88a31998e191eeca1cd18e9215.png)
![](https://i-blog.csdnimg.cn/blog_migrate/4bb3ef4ca39fcf26980da6349487d4e1.png)
无需编程、一行命令使用深度学习解决实际问题!关键是还在Uber的生产环境经过工程验证!这样的好工具,你想不想试一下呢?
开源地址:
https://github.com/uber/ludwig
文档及示例: