开源的“谷歌AutoML杀手”来了

最新推荐文章于 2024-08-23 08:47:03 发布
最新推荐文章于 2024-08-23 08:47:03 发布
阅读量1.2k 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yH0VLDe8VG8ep9VGe/article/details/81396337
版权
夏乙 发自 凹非寺
量子位 出品 | 公众号 QbitAI

让神经网络自己设计神经网络，大降机器学习门槛的Google AutoML，最近终于开始了Beta测试。

不过，很快就有同行纷纷跳出来表示不服。最新的一波来自美国德州农工大学（Texas A&M University）助理教授胡侠和他的两名博士生：金海峰、Qingquan Song。

下图从左到右，依次就是这三位：

640?wx_fmt=png

他们不仅吐槽了Google AutoML的问题，还给出了自己的解决方案：Auto-Keras，一个基于Keras的开源自动机器学习Python软件库。

640?wx_fmt=png

胡老师和学生们所列出的Google AutoML三大缺陷，简单来说是这样的：

量子位
关注
机器学习流程—AutoML
03-21 3万+
今天我将用一个简单的示例来全面讲解 AutoML 工具：Auto-Sklearn，相信你会爱上这个这么省心的工具。文中涉及的数据、代码文末将给出，方便实战练习熟悉机器学习的人都知道 scikit-learn，这是著名的 python 包，由不同的分类和回归算法组成，用于构建机器学习模型。Auto-Sklearn 是一个基于 Python 的开源工具包，用于执行 AutoML，它采用著名的 Scikit-Learn 机器学习包进行数据处理和机器学习算法。
AutoML:ZazuML-用于对象检测的简易AutoML
04-15
这是一个易于使用的开源AutoML框架，用于对象检测。 该项目包含体系结构搜索+超参数搜索+扩充搜索，以及试用管理器。 创建一个ML Pipeline taylor，以便轻松集成到您的项目或代码中。 演算法 增强搜索 超参数搜索 ...
Python-NNI微软亚洲研究院开源的轻量级AutoML工具包
08-11
一个轻量级的AutoML工具包，拥有自动进行超参数搜索/模型搜索的功能，支持用户将任务部署在本地或分布式系统上；NNI也是非常友好的开源工具，用户可以方便地拓展自己的搜索算法
上新了! 热门开源 AutoML 工具 NNI 2.0 来袭！
m0_37586850的博客
01-21 325
编者按：NNI（Neural Network Intelligence）是微软亚洲研究院为研究人员和算法工程师量身定制的自动机器学习（AutoML）工具。在过去的两年中，NNI 不断迭代...
【自动化机器学习AutoML】AutoML工具和平台的使用
weixin_39372311的博客
07-22 1320
AutoML（Automated Machine Learning）是指通过自动化流程来完成机器学习模型的选择、特征工程、超参数调优、模型训练和评估等任务。AutoML的目标是让用户无需深入了解机器学习的技术细节，就能构建和应用高性能的机器学习模型。
用AutoML找到更小、更快、更好的模型，谷歌开源Model Search
我爱计算机视觉
02-21 343
本文转载自机器之心。作者：Hanna Mazzawi等编辑：魔王、杜伟为了帮助研究者自动、高效地开发最佳机器学习模型，谷歌开源了一个不针对特定领域的 AutoML 平台。该平台基于 Ten...
AMC (AutoML for Model Compression) 开源项目教程
最新发布
gitblog_01029的博客
08-23 273
AMC (AutoML for Model Compression) 开源项目教程 amc项目地址:https://gitcode.com/gh_mirrors/am/amc 项目介绍 AMC（AutoML for Model Compression）是由麻省理工学院（MIT）Han Lab开发的一个开源项目，专注于自动化模型压缩领域。这个工具利用强化学习来寻找最优的模型压缩策略，旨在在保持高精...
只会高中数学运算就能发现算法？Google开源的AutoML-Zero有多厉害
AI科技大本营
04-17 803
译者 | 刘畅出品 | AI科技大本营（ID:rgznai100）机器学习研究，已经在多个方面都取得了进步，包括模型结构和优化方法等。而使此类研究自动化的工作（称为AutoML）也有重大...
一个用于自动化机器学习生命周期的开源AutoML工具包
06-28
标题中的“一个用于自动化机器学习生命周期的开源AutoML工具包”指的是一个自动化机器学习（AutoML）的软件，它能够帮助用户自动完成机器学习过程中的多个环节，减轻人工参与的工作负担。AutoML的目标是使非专业数据...
Neural Network Intelligence:用于自动化机器学习生命周期的 AutoML 工具包-开源
06-22
神经网络智能是一个开源 AutoML 工具包，用于自动化机器学习生命周期，包括特征工程、神经架构搜索、模型压缩和超参数调整。 NNI（神经网络智能）是一个轻量级但功能强大的工具包，可帮助用户自动化特征工程、神经...
自动化机器学习生命周期的开源AutoML工具包，包括特征工程、神经架构搜索、模型压缩和超参数调优.zip
02-07
本资源提供的开源AutoML工具包，专注于整个机器学习生命周期的自动化，包括特征工程、神经架构搜索、模型压缩和超参数调优，这些都是提升模型性能的关键环节。以下是这些关键知识点的详细解释： 1. **特征工程**：...
【机器学习】推荐一个好用的开源automl工具
fengdu78的博客
12-31 750
AutoXAutoX是第四范式开源的针对表数据的自动机器学习工具。主要功能包括两点:一、提供全流程的自动机器学习pipeline；二、用户可以把它的某一个某功能单独拿出来，作为生产力工具...
AutoGluon --AWS开源的AutoML框架
Pain is inevitable but suffering is optional.
09-07 3406
只需要几行代码就可以轻松实现数据预处理、模型融合、择优参数以及模型选择等。autoGluon除了处理表格数据外，还可以处理图像和文本等多模态数据，最重要的是，你费尽心力调得参数可能比不上autoGluon的几行代码的模型性能。预测结果超过了90%的队伍，并且只用了几行代码，效果还是不错的！这篇论文介绍一下亚马逊开源的automl框架 –训练数据：train.csv。测试数据：test.csv。
谷歌开源AI模型“搜索引擎”，NLP、CV都能用
量子位
02-21 405
萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI好消息，谷歌将AutoML算法库开源了！这个名为“模型搜索”（Model Search）的平台，不仅可以用多个AutoML算法自动...
微软亚洲研究院开源热门AutoML工具NNI2.5最新版本
CSDN 精品推荐
01-13 471
NNI时微软亚洲研究院为研究人员和算法工程师量身定制的自动机器学习（AutoML）工具。过去的几年中，NNI不断迭代更新，持续将最前沿的算法加入其中，加强对各种分布式训练环境的支持，目前NNI已在Github上获得了10.8k星，成为最热门的自动机器学习开源项目之一。
automl---大厂研究项目与开源工具
xys430381_1的专栏
03-01 1032
谷歌 谷歌引领了近几年automl的研究和发展趋势。在谷歌内部，AutoML项目由谷歌大脑团队主持研究。 目前，主流的神经架构搜索方法包括：强化学习路径、进化学习路径、Darts路径。这几种研究方法都由谷歌推进和主导。 在基于强化学习的NAS研究中，被人们所熟知的第一篇NAS工作应该是Google的这篇NEURAL ARCHITECTURE SEARCH WITH REINFORCEMENT LE...
专题：AutoML
Lakinlv的博客
09-01 1106
Salesforce开源TransmogrifAI：用于结构化数据的端到端AutoML库 一文看懂深度学习新王者「AutoML」：是什么、怎么用、未来如何发展？ 微软重磅开源AutoML工具包NNI TensorFlow开源NSL神经结构学习框架 Hyperopt ！！！贝叶斯优化_自动机器学习超参数调整_sklearn机器学习模型 ！！！贝叶斯优化_自动机器学习超参数调整_LGBM ...
标题：【揭秘】GradsFlow：一款变革性的开源AutoML与PyTorch模型训练库
gitblog_00042的博客
06-08 424
标题：【揭秘】GradsFlow：一款变革性的开源AutoML与PyTorch模型训练库 项目地址:https://gitcode.com/gradsflow/gradsflow-automl 在这个人工智能时代，开发和优化深度学习模型的效率是每个数据科学家和工程师的追求。而今天，我们向您推荐一个能够帮助您实现这一目标的利器——GradsFlow，一个基于PyTorch的强大开源AutoML库。 ...
机器学习 基础理论 学习笔记 （4）AutoML知识
酒心★
12-15 855
1.什么是AutoML? 自动机器学习（AutoML）是将机器学习应用于现实问题的端到端流程自动化的过程。 传统机器学习模型大致可分为以下四个部分：数据采集、数据预处理、优化、应用； 其中数据预处理与模型优化部分往往需要具备专业知识的数据科学家来完成，他们建立起了数据到计算的桥梁。然而，即使是数据科学家，也需要花费大量的精力来进行算法与模型的选择。 机器学习在各种应用中的成功，为了让尽可能多的工作也能够被自动化完成，AutoML应运而生。 从传统机器学习模型出发，AutoML从特征工程、模型构建、超参优化三
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值