Uber发布了Ludwig，一款不使用代码的人工智能开发工具

https://www.toutiao.com/a6656914295118365187/

 2019-02-12 09:07:20

Kyle Wiggers@Kyle_l_Wiggers 2019年2月11日上午6:50

图片来源：CPG摄影有限公司

想认真钻研人工智能（AI）的开发，却发现它的编程环节令人生畏？不用担心-有优步的支持。今天，这个叫车巨人推出了Ludwig路德维希，一个基于谷歌TensorFlow框架的开源“工具箱”，允许用户训练和测试人工智能模型，而无需编写代码。

Uber说，Ludwig路德维希是两年来在应用项目中简化人工智能系统部署工作的成果，它一直在内部开发工具套件，以完成从驾驶执照中提取信息、在驾驶伙伴和车手之间的对话中确定感兴趣的点、预测需求，以及送达时间等等任务。

Uber在一篇博客文章中写道：“路德维格的独特之处在于，它能够帮助非专家更容易理解深度学习，并为经验丰富的机器学习开发者和研究人员提供更快的模型改进迭代周期。”“通过使用Ludwig，专家和研究人员可以简化原型制作过程并简化数据处理，以便他们能够专注于开发深入学习的体系结构，而不是数据争论。”

上图：Ludwig路德维希制作出的视觉效果。

正如Uber所解释的，Ludwig提供了一组人工智能架构，可以组合这些架构为给定的用例创建端到端模型。启动培训只需要一个表格数据集文件（如csv）和一个yaml配置文件，指定前者的哪些列是输入特征（即观察到的单个属性或现象），哪些是输出目标变量。如果指定了多个输出目标变量，Ludwig将学习同时预测所有输出。

新的模型定义可以包含附加信息，包括数据集中每个特征的预处理数据和模型训练参数。在路德维格训练过的模型被保存下来，可以在以后加载，以获得对新数据的预测。

最新的是，对于Ludwig支持的每种数据类型，该工具集都提供特定于数据类型的编码器，将原始数据映射到张量（线性代数中使用的数据结构），以及将张量映射到原始数据的解码器。内置合成器自动将所有输入编码器的张量拼合在一起，进行处理，并将其返回用于输出解码器。

Uber写道：“通过组合这些特定于数据类型的组件，用户可以在各种任务上制作路德维希列车模型。”“例如，通过组合文本编码器和类别解码器，用户可以获得文本分类器，而组合图像编码器和文本解码器将使用户能够获得图像字幕模型……这种多功能和灵活的编码器解码器架构使经验不足的深入学习从业者易于培训各种机器学习任务的模型，如文本分类、对象分类、图像字幕、序列标记、回归、语言建模、机器翻译、时间序列预测和问题解答。”

此外，Ludwig还提供了一组用于培训、测试模型和获取预测的命令行实用程序；用于评估模型和通过可视化比较其预测的工具；以及一个允许用户训练或加载模型并使用该模型获取新数据预测的python编程API。此外，路德维希还能够通过使用Uber的Horovod进行分布式模型培训，这是一个支持多个图形卡和机器的框架。

目前，Ludwig包含二进制值、浮点数、类别、离散序列、集合、包、图像、文本和时间序列的编码器和解码器，它支持选择预训练模型。在未来，Uber计划为文本、图像、音频、点云和图形的数据类型添加新的编码器，并集成用于管理大型数据集的“更可扩展的解决方案”。

“我们决定开源路德维希，因为我们相信它可以成为非专家机器学习实践者和经验丰富的深入学习开发者和研究人员的有用工具。非专家可以快速培训和测试深度学习模型，而无需编写代码。专家可以获得强大的基线来比较他们的模型，并拥有实验设置，通过执行标准数据预处理和可视化，可以轻松测试新的想法和分析模型。”

路德维希的首次亮相是在2017年Uber的Pyro发布之后，这是一种建立在Facebook的PyTorch机器学习框架上的深层概率编程语言。这是一款没有代码的人工智能开发工具——就像百度的ezdl和微软的人工智能模型构建器。