Uber 宣布开源 AI 工具箱,免代码训练和测试学习模型
Uber 公布开源 Ludwig,一个基于 TensorFlow 的器材箱,该器材箱特点是不消写代码就可以或许实习和测试深度进修模子。 Uber 官方暗示,对付AI开拓者来说,Ludwig 可以辅佐他们更好地领略深度进修方面的手段,并可以或许推进模子快速迭代。另一方面,对付 AI 专家来说,Ludwig 可以简化原型计划和数据处理赏罚进程,从而让他们可以或许专注于开拓深度进修模子架构。 Ludwig 提供了一套 AI 架构,可以组合起来,为给定的用例建设端到端的模子。开始模子实习,只必要一个表格数据文件(如 CSV)和一个 YAML 设置文件——用于指定命据文件中哪些列是输入特性,哪些列是输出方针变量。假如指定了多个输出变量,Ludwig 将学会同时猜测全部输出。行使 Ludwig 实习模子,在模子界说中可以包括附加信息,好比数据齐集每个特性的预处理赏罚数据和模子实习参数, 也可以或许生涯下来,可以在日后加载,对新数据举办猜测。 对付 Ludwig 支持的数据范例(文本、图像、种别等),其提供了一个将原始数据映射到张量的编码器,以及将张量映射到原始数据的解码器(张量是线性代数中行使的数据布局)。内置的组合器,可以或许自动将全部输入编码器的张量组合在一路,对它们举办处理赏罚,并将其返回给输入解码器。 Uber 暗示,通过组合这些特定于数据范例的组件,用户可以将 Ludwig 用于各类使命。好比,组合文本编码器和种别解码器,就可以得到一个文天职类器。 每种数据范例有多个编码器息争码器。譬喻,文本可以用卷积神经收集(CNN),轮回神经收集(RNN)或其他编码器编码。用户可以直接在模子界说文件中指定要行使的参数和超参数,而无需编写单行代码。 Ludwig 回收的这种机动的编码器-解码器架构,纵然是履历较少的深度进修开拓者,也可以或许轻松地为差异的使命实习模子。好比文天职类、方针分类、图像字幕、序列标签、回归、说话建模、呆板翻译、时刻序列猜测和问答等等。 另外,Ludwig 还提供了各类器材,且可以或许行使开源漫衍式培训框架 Horovod。今朝,Ludwig 有效于二进制值,浮点数,种别,离散序列,荟萃,袋(bag),图像,文本和时刻序列的编码器息争码器,而且支持选定的预实习模子。将来将支持更多资料的种类。 【编辑保举】
点赞 0 (编辑:河北网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |