成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

十個用于 AutoML 的 GitHub 存儲庫

人工智能 機器學(xué)習(xí)
自動化機器學(xué)習(xí)(通常稱為 AutoML)使機器學(xué)習(xí)變得更容易。AutoML 使用由給定框架完成的自動處理,使非機器學(xué)習(xí)專家更容易使用機器學(xué)習(xí)。

人工智能和機器學(xué)習(xí)的突破是過去二十年中最激動人心的兩個話題。機器學(xué)習(xí)和數(shù)據(jù)科學(xué)工程師需要廣泛的研究和努力工作才能有效地理解和運行他們的模型。

雖然它們可能因人而異,但傳統(tǒng)的機器學(xué)習(xí)步驟包括:

  1. 數(shù)據(jù)采集
  2. 數(shù)據(jù)探索
  3. 數(shù)據(jù)準(zhǔn)備
  4. 特征工程
  5. 選型
  6. 模型訓(xùn)練
  7. 超參數(shù)調(diào)整
  8. 預(yù)測

雖然 8 個步驟在構(gòu)建機器學(xué)習(xí)模型時可能看起來并不多,但從上面的步驟開始需要相當(dāng)長的時間才能完善!

當(dāng)非專業(yè)的機器學(xué)習(xí)從業(yè)者第一次經(jīng)歷這些步驟時,問題會更加嚴重;該過程通常需要更多時間和資源才能完成,即使如此,最終結(jié)果也可能與預(yù)期不符。

AutoML 通過為專家和非專家等人自動執(zhí)行大部分模型創(chuàng)建過程而派上用場。

什么是自動機器學(xué)習(xí) (AutoML)?

自動化機器學(xué)習(xí),通常稱為 AutoML,使機器學(xué)習(xí)變得更容易。AutoML 使用由給定框架完成的自動處理,使非機器學(xué)習(xí)專家更容易使用機器學(xué)習(xí)。

它專注于加速人工智能的研究和提高機器學(xué)習(xí)模型的效率。

傳統(tǒng)的機器學(xué)習(xí)過程側(cè)重于前面提到的所有 8 個步驟,而 AutoML 涵蓋兩個步驟:

  1. 數(shù)據(jù)采集是在將數(shù)據(jù)存儲到數(shù)據(jù)倉庫之前收集、過濾和清理所用數(shù)據(jù)的過程。
  2. 預(yù)測是指給定模型返回的實際輸出,訓(xùn)練有素的模型很可能會返回準(zhǔn)確的最終預(yù)測。

數(shù)據(jù)探索、 數(shù)據(jù)準(zhǔn)備、特征工程、模型選擇、模型訓(xùn)練和 最終模型調(diào)整的框架將涵蓋其他 6 個步驟。

AutoML 的優(yōu)勢

  • 提高工作效率
  • 更好的最終結(jié)果
  • 最小化錯誤
  • 擴展機器學(xué)習(xí)

AutoML 流行框架

既然我們已經(jīng)討論了什么是 AutoML 并了解了它的一些優(yōu)勢,我們將介紹 10 大 AutoML 框架、在哪里可以找到它們以及它們提供的功能。

1. 谷歌自動機器學(xué)習(xí)

Google AutoML是最著名的可用框架之一,在我們的列表中排名第一。谷歌已經(jīng)推出了許多 AutoML 框架,例如 Google AutoML vision、Google AutoML Natural Language 等。

2. 自動 SKLearn

之前接觸過機器學(xué)習(xí)的用戶可能對 SKlearn 這個名字并不陌生。作為流行的sci-kit-learn 庫的附加組件,Auto SKLearn 是一個開源機器學(xué)習(xí)框架,可處理機器學(xué)習(xí)任務(wù)的自動化。

Auto Sklearn 框架能夠執(zhí)行其模型選擇、超參數(shù)調(diào)整和表征,這是 Auto SKlearn 框架的一個獨特功能。

通過執(zhí)行模型選擇,Auto SKlearn 將自動搜索能夠處理用戶給定問題的最佳算法。

轉(zhuǎn)到 Auto SKlearn 的第二個功能,我們有超參數(shù)調(diào)整。作為任何機器或深度學(xué)習(xí)模型的最后步驟之一,用戶應(yīng)該找到最佳模型參數(shù)來優(yōu)化結(jié)果。此任務(wù)需要大量時間,并且可以通過此類框架輕松實現(xiàn)自動化。

使用 Auto SKlearn 的獨特和最終好處是它能夠執(zhí)行自動表征。表征是將原始數(shù)據(jù)轉(zhuǎn)換為可用信息的過程。

3.TPot

TPOT,也稱為 Tree Pipeline Optimization Tool,是最早的 python 開源 autoML 軟件包之一。它專注于使用遺傳編程優(yōu)化機器學(xué)習(xí)管道。

TPOT 的主要目標(biāo)是通過將管道的靈活表達式樹表示與遺傳編程等隨機搜索算法相結(jié)合來自動構(gòu)建 ML 管道。

請注意,TPOT 在sci-kit-learn library之上工作,必須先安裝它。

4.AutoKeras

AutoKeras是一個為 AutoML 和深度學(xué)習(xí)模型構(gòu)建的開源庫,最初由 DATA 實驗室開發(fā)。

Auto Keras 幫助非專家機器和深度學(xué)習(xí)愛好者以最小的努力運行和訓(xùn)練他們的模型。Auto Keras 的目標(biāo)是讓每個人都可以學(xué)習(xí)機器學(xué)習(xí),它是初學(xué)者的絕佳工具

5.路德維希

Ludwig是一個開源 autoML 框架,主要側(cè)重于使用簡單的配置文件系統(tǒng)組裝和訓(xùn)練深度學(xué)習(xí)模型。

通過讓用戶提供一個配置文件來定義給定模型的輸入和輸出及其各自的數(shù)據(jù)類型,Ludwig 框架將利用這些數(shù)據(jù)基于前面提到的屬性構(gòu)建其深度學(xué)習(xí)模型。

6. MLBOX

MLBOX正在崛起,并迅速成為頂級自動化機器學(xué)習(xí)框架工具之一。

根據(jù)MLBOX 官方文檔,它提供了以下好處:

  • 快速讀取和分布式數(shù)據(jù)預(yù)處理/清理/格式化。
  • 高度穩(wěn)健的特征選擇和泄漏檢測。
  • 高維空間中的精確超參數(shù)優(yōu)化。
  • 最先進的分類和回歸預(yù)測模型(深度學(xué)習(xí)、堆疊、LightGBM 等)。
  • 使用模型解釋進行預(yù)測。

7. 自動關(guān)機

AutoGloun面向?qū)<液头菍<覚C器學(xué)習(xí)從業(yè)者,專注于自動化堆棧集成、深度學(xué)習(xí)和跨越圖像、文本和表格數(shù)據(jù)的真實世界應(yīng)用程序。

根據(jù)AutoGloun 在線文檔,AutoGLoun 使用戶能夠:

  • 僅需幾行代碼即可為原始數(shù)據(jù)快速構(gòu)建深度學(xué)習(xí)和經(jīng)典 ML 解決方案的原型。
  • 在沒有專業(yè)知識的情況下自動利用最先進的技術(shù)(在適當(dāng)?shù)那闆r下)。
  • 利用自動超參數(shù)調(diào)整、模型選擇/集成、架構(gòu)搜索和數(shù)據(jù)處理。
  • 輕松改進/調(diào)整定制模型和數(shù)據(jù)管道,或為特定用例定制 AutoGluon。

8.微軟神經(jīng)網(wǎng)絡(luò)智能(NNI)

Microsoft Neural Network Intelligence,也稱為 NNI,是一個工具包,旨在為深度學(xué)習(xí)自動化特征工程、神經(jīng)架構(gòu)搜索、超參數(shù)調(diào)整和模型壓縮。

NNI 工具支持 PyTorch、TensorFlow、Scikit-learn、XGBoost、LightGBM 等框架。使用 Microsoft Neural Network 的主要好處是神經(jīng)架構(gòu)搜索,NNI 工具支持 Multi-trail(網(wǎng)格搜索、正則化進化、基于策略的 IRL 等)和 One-shot(DARTS、ENAS FBNet 等)神經(jīng)架構(gòu)搜索。

該工具提供了多種超參數(shù)調(diào)整算法,例如貝葉斯優(yōu)化、窮舉搜索和啟發(fā)式搜索。查看 Github 上 NNI 的自述文件,了解有關(guān)此工具提供的其他內(nèi)容的更多信息。

9. 變形怪

TransmogrifAI旨在幫助開發(fā)人員提高機器學(xué)習(xí)生產(chǎn)力。TransmogrifAI 在 Apache Spark 之上運行。

正如 Transmogrif 上的 Github 自述文件中簡要提到的那樣,“通過自動化,它可以達到接近手動調(diào)整模型的精度,并且時間減少了近 100 倍。”

與提到的其他 autoML 框架一樣,TransmogrifAI 工具能夠為用戶選擇的數(shù)據(jù)集選擇最佳算法。

10. H2O 自動機器學(xué)習(xí)

H2O autoML是 H2O 創(chuàng)建的開源框架工具,同時支持 R 和 Python 編程。

它還支持最廣泛使用的統(tǒng)計和機器學(xué)習(xí)算法,包括梯度提升機器、廣義線性模型和深度學(xué)習(xí)。

H2O autoML 接口通過要求盡可能少的參數(shù)來適應(yīng)新的機器學(xué)習(xí)用戶。用戶在使用 H2O 工具時的主要任務(wù)是提供數(shù)據(jù)集。

其他有用的 AutoML 工具

1.過度緊張

Hypertunity是一種輕量級工具,旨在使用輕量級包優(yōu)化模型的給定超參數(shù)。它們模塊化簡單,可擴展以允許無縫調(diào)度實現(xiàn)。

Hypertunity 支持使用 GPyOpt、Slurm 兼容調(diào)度程序的貝葉斯優(yōu)化,以及使用 Tensorboard 的實時可視化(通過 HParams 插件)。

2. 蜻蜓

Dragonfly是一種開源 autoML 工具,專為可擴展的貝葉斯優(yōu)化而設(shè)計。

貝葉斯優(yōu)化用于評估超出普通優(yōu)化的非常昂貴的黑盒函數(shù)。

Dragonfly 允許新用戶用最少的知識解決可擴展的貝葉斯優(yōu)化錯誤。

3.雷音

作為我們的第二個超參數(shù)優(yōu)化工具,Ray Tune是一個用于擴展 AI 和 Python 應(yīng)用程序的統(tǒng)一框架。

它通過分布式數(shù)據(jù)處理、分布式訓(xùn)練、可擴展的超參數(shù)調(diào)整、可擴展的強化學(xué)習(xí)和可擴展的可編程服務(wù)來實現(xiàn)簡單的 AI 工作負載擴展。

4.自動圖學(xué)習(xí)

Auto Graph Learning是一個獨特的 autoML 框架,它專注于圖形數(shù)據(jù)集的機器學(xué)習(xí),非常容易和簡單。

他們使用數(shù)據(jù)集來維護基于 Pytorch Geometric 或 Deep Graph Library 中的 Datasets 的基于圖的機器學(xué)習(xí)的數(shù)據(jù)集。

用于自動機器學(xué)習(xí)的 GitHub 存儲庫

隨著機器和深度學(xué)習(xí)領(lǐng)域的進步,對機器學(xué)習(xí)專家的需求大幅增加卻沒有得到解決。

這就是機器學(xué)習(xí)工具和技術(shù)的自動化派上用場的地方,它允許新用戶比以往任何時候都更輕松地構(gòu)建功能齊全且高度優(yōu)化的模型。

簡而言之,在尋找完美的自動化機器學(xué)習(xí)工具時,您應(yīng)該關(guān)注您嘗試使用給定模型實現(xiàn)的目標(biāo)以及您希望自動化的機器學(xué)習(xí)過程中的確切部分。我們建議您自己嘗試上述幾個 autoML 工具,然后只使用您認為高效且易于使用的幾個。

責(zé)任編輯:華軒 來源: 今日頭條
相關(guān)推薦

2023-10-31 19:28:48

GitHub存儲前端

2023-10-07 11:36:15

2023-02-14 08:10:14

Python人工智能XAI

2022-10-10 14:36:44

Python時間序列機器學(xué)習(xí)

2023-02-22 16:43:05

Web開發(fā)github

2023-06-27 15:50:23

Python圖像處理

2024-04-28 10:00:24

Python數(shù)據(jù)可視化庫圖像處理庫

2024-02-01 12:53:00

PandasPython數(shù)據(jù)

2022-07-05 09:01:37

前端高仿項目

2024-01-02 22:12:15

Go代碼片段Golang

2023-03-27 23:37:21

2022-03-31 08:01:53

Ceph命令集群

2022-02-07 00:05:49

機器學(xué)習(xí)GitHub工具

2018-05-04 08:55:17

GitHub語言項目

2023-10-11 12:39:43

PyGWalker是開源

2016-09-07 14:29:13

GitHub安全SQL

2022-04-18 11:24:39

網(wǎng)絡(luò)攻擊GitHub數(shù)據(jù)泄露

2022-07-30 23:35:49

軟件開發(fā)代碼編輯器Web

2024-01-30 00:36:41

Python機器學(xué)習(xí)

2024-02-20 14:25:39

Python數(shù)據(jù)分析
點贊
收藏

51CTO技術(shù)棧公眾號

主站蜘蛛池模板: 久久鲁视频 | 夜夜精品浪潮av一区二区三区 | 成人免费视频播放 | 国产在线二区 | 中文字幕91av | 91在线网站 | 国产日韩精品视频 | 日韩在线视频观看 | 午夜视频在线免费观看 | 欧美视频二区 | 欧美日韩在线不卡 | 国产精品视频偷伦精品视频 | 一区二区三区视频在线观看 | 一区二区三区在线 | 很很干很很日 | 中文字幕加勒比 | 日韩小视频在线 | 国产一级影片 | 亚洲欧美激情精品一区二区 | 精品一区二区观看 | 天堂网av在线 | 亚洲精品www. | 亚洲成人国产综合 | 黄色a视频 | 国产一二区免费视频 | 日日夜夜天天干 | 九九热精品视频在线观看 | 日本理论片好看理论片 | 天天操天天操 | 在线观看国产三级 | www.9191| 欧美日韩不卡合集视频 | 操久久| 久久久久国产精品一区 | 精品成人| 国产一区二区三区 | 午夜小影院 | aaaa网站| 国产在线一区二 | 欧美精品1区 | 亚洲最大的黄色网址 |