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】

1. 2018年末奖观测陈诉：超60%人年末奖不敷万元，逾40%人不及预期
2. 18年IT老兵：从技能走向打点的“九九八十一难”
3. 微软安详专家号令用户停用IE：旧习难改但终究要改
4. 在将来和AI争夺事变的16个适用能力
5. 5个相知恨晚的Linux呼吁，每一个都很是适用

（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!