调参侠的末日? Auto-Keras 自动搜索深度学习模型的网络架构和超参数

2018-08-03 12:24:45 +08:00
 1722332572
Auto-Keras 是一个开源的自动机器学习库。Auto-Keras 的终极目标是允许所有领域的只需要很少的数据科学或者机器学习背景的专家都可以很容易的使用深度学习。Auto-Keras 提供了一系列函数来自动搜索深度学习模型的网络和超参数。

安装:

pip install autokeras

样例:

import autokeras as ak
clf = ak.ImageClassifier()
clf.fit(x_train, y_train)
results = clf.predict(x_test)

官方网站: http://autokeras.com/
开源项目: https://github.com/jhfjhfj1/autokeras

Auto-Keras is an open source software library for automated machine learning (AutoML). The ultimate goal of AutoML is to allow domain experts with limited data science or machine learning background easily accessible to deep learning models. Auto-Keras provides functions to automatically search for architecture and hyperparameters of deep learning models.

翻译: http://www.tf86.com/2018/08/03/auto-keras/
7621 次点击
所在节点    Python
13 条回复
bwael
2018-08-03 12:49:14 +08:00
抢个沙发试试。auto-keras,有点可怕。
geekcorn
2018-08-03 12:50:06 +08:00
哇&&&)
sangleft
2018-08-03 13:11:07 +08:00
等会就试试…😯
ddzzhen
2018-08-03 15:09:43 +08:00
看起来有点牛批,sklearn 的翻版?
xxxy
2018-08-03 15:28:35 +08:00
sklearn 不是有个 gridSearch?跟那个有什么区别?
owenliang
2018-08-03 16:52:56 +08:00
深度学习帮码农挑选优质特征
thedog
2018-08-03 16:57:38 +08:00
@xxxy 神经网络超参数太多,不会用网格搜索这种遍历调参的。调参的时候蛮多 trick 的
OLDPAN
2018-08-03 17:15:05 +08:00
之前是自动调参数,现在是自动调网络
1722332572
2018-08-03 17:43:41 +08:00
@xxxy 看文档,这个模型也会调。
takato
2018-08-03 17:45:00 +08:00
本质是个 NAS 吧。
eastrd
2018-08-04 07:56:25 +08:00
不是已经有 hpot 了吗?
northisland
2018-08-04 11:56:25 +08:00
厉害了!
虽然 tensorflow 很难用,但为了这些周边,还是值得搞 TF 的~

First, each dataset is split by60-20-20 into training, validation and testing set.
Second, **run the method for 12 hours** on a single GPU (NVIDIA GeForce GTX 1080Ti) on the training and validation set.
Third, the output architecture is trained with both training and validation set.
Fourth, the testing set is used to evaluate the trained architecture

最近经常见 200 块 gpu,训练个把月的 RL 文章,这方法简直是一股清流
1722332572
2018-08-08 15:12:59 +08:00
@northisland 调参侠的福音,还顺便调网络结构,美滋滋。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/476552

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX