开源的“谷歌AutoML杀手”来了

夏乙 发自 凹非寺
量子位 出品 | 公众号 QbitAI

让神经网络自己设计神经网络，大降机器学习门槛的Google AutoML，最近终于开始了Beta测试。

不过，很快就有同行纷纷跳出来表示不服。最新的一波来自美国德州农工大学（Texas A&M University）助理教授胡侠和他的两名博士生：金海峰、Qingquan Song。

下图从左到右，依次就是这三位：

他们不仅吐槽了Google AutoML的问题，还给出了自己的解决方案：Auto-Keras，一个基于Keras的开源自动机器学习Python软件库。

胡老师和学生们所列出的Google AutoML三大缺陷，简单来说是这样的：

🙄 第一，还得付钱。
🙄 第二，因为在云上，还得配置Docker容器和Kubernetes。
🙄 第三，服务商(Google)保证不了你数据安全和隐私。

机器学习博客Towards Data Science上的一篇文章，给了个更加直接的评价：太疯狂了！以前Google和整个AI界都更喜欢开源，喜欢和所有人分享知识，现在竟然拿这个东西来赚钱？

于是，这篇文章认定，Google AutoML会败于开源，而德州农工的Auto-Keras，将成为AutoML杀手。

Auto-Keras是一个开源、免费的工具，和Google的AutoML功能相似，也能为深度学习模型自动搜索架构和超参数，使用的方法是高效神经架构搜索（Efficient Neural Architecture Search，简称ENAS）。

其实，ENAS方法来源于Google Brain，是AutoML团队今年2月提出的。胡侠和同学们在打造Auto-Keras的时候，对ENAS做了一些改造。

原来的ENAS基于参数共享，而Auto-Keras所用的，则是基于网络态射（network morphism）。

他们为了降低ENAS的计算成本，引入神经网络核和树结构的采集函数优化算法，用贝叶斯优化来引导神经网络的网络态射。这样可以在改变神经架构的同时保持神经网络的功能，在搜索期间提高训练效率。

想尝试一下？安装也很简单：

pip install autokeras

完成。

在众多深度学习框架中，Keras是以简单好上手著称的，所以，Auto-Keras的代码也不难理解，想要在它基础上做一些个性化设置，可以自己调整参数。

用到最后，还能看到神经架构搜索得出的模型。

最后，附上一些传送门 ↓

官网：
https://autokeras.com/

GitHub：
https://github.com/jhfjhfj1/autokeras

论文：

Efficient Neural Architecture Search with Network Morphism
Haifeng Jin, Qingquan Song, Xia Hu
https://arxiv.org/abs/1806.10282

enjoy~

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

加入社群

量子位AI社群18群开始招募啦，欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“交流群”，获取入群方式；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群专业群请在量子位公众号（QbitAI）对话界面回复关键字“专业群”，获取入群方式。（专业群审核较严，敬请谅解）

实习生招聘

量子位正在招募活动运营实习生，策划执行AI明星公司CEO、高管等参与的线上/线下活动，有机会与AI行业大牛直接交流。工作地点在北京中关村。简历欢迎投递到quxin@qbitai.com

具体细节，请在量子位公众号(QbitAI)对话界面，回复“实习生”三个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态