不爽 Google AutoML 要收錢，工程師們自己做了一個「免費開源版」對槓 Google
不爽 Google AutoML 要收錢，工程師們自己做了一個「免費開源版」對槓 Google
News from: TechOrgane
Google AutoML 推出時引起市場一片譁然，這將是會改變人工智慧產業的新產品。但有別於過去習慣以開源方式來處了這些案例，這次 Google 卻是以付費服務的方式推出，不服氣的工程師決定自己動手做相同產品，完成「不服來辯」的成就。
讓神經網路自己設計神經網路，大降機器學習 (Machine Learning) 門檻的 Google AutoML，最近終於開始了 Beta 測試。 不過，很快就有同行紛紛跳出來表示不服。最新的一波來自美國德州農工大學（Texas A&M University）助理教授胡俠和他的兩名博士生：金海峰、Qingquan Song。
他們不僅吐槽了 Google AutoML 的問題，還給出了自己的解決方案： Auto-Keras，一個基於 Keras 的 開源 自動機器學習 Python 軟件庫。
下圖從左到右，依次就是這三位：
胡老師和學生們所列出的 Google AutoML 三大缺陷，簡單來說是這樣的：
第一，還得付錢。
第二，因為在雲上，還得配置 Docker 容器和 Kubernetes。
第三，服務商（Google）保證不了你數據安全和隱私。
第二，因為在雲上，還得配置 Docker 容器和 Kubernetes。
第三，服務商（Google）保證不了你數據安全和隱私。
機器學習博客 Towards Data Science 上的一篇文章，給了個更加直接的評價：太瘋狂了！以前 Google 和整個 AI 界都更喜歡開源，喜歡和所有人分享知識，現在竟然拿這個東西來賺錢？
於是，這篇文章認定，Google AutoML 會敗於開源，而德州農工的 Auto-Keras，將成為 AutoML 殺手。
Auto-Keras 是一個開源、免費的工具，和 Google 的 AutoML 功能相似，也能為深度學習模型自動搜索架構和超參數，使用的方法是高效神經架構搜索（Efficient Neural Architecture Search，簡稱 ENAS）。
其實，ENAS 方法來源於 Google Brain，是 AutoML 團隊今年 2 月提出的。胡俠和同學們在打造 Auto-Keras 的時候，對 ENAS 做了一些改造。 原來的 ENAS 基於參數共享，而 Auto-Keras 所用的，則是基於網絡態射（network morphism）。
他們為了降低 ENAS 的計算成本，引入神經網絡核和樹結構的採集函數優化算法，用貝葉斯優化來引導神經網絡的網絡態射。這樣可以在改變神經架構的同時保持神經網路的功能，在搜索期間提高訓練效率。
想嘗試一下？安裝也很簡單：
完成。
在眾多深度學習框架中，Keras 是以簡單好上手著稱的，所以，Auto-Keras 的代碼也不難理解，想要在它基礎上做一些個性化設置，可以自己調整參數。用到最後，還能看到神經架構搜索得出的模型。
最後，附上一些傳送門 ↓
留言
張貼留言