昨日，Uber官網重磅宣佈新開源深度學習框架Ludwig，不需要懂編程知識，讓專家能用的更順手，讓非專業人士也可以玩轉人工智能，堪稱史上最簡單的深度學習框架！
Ludwig是一個建立在TensorFlow之上的工具箱，它允許用戶在不需要編寫代碼的情況下訓練和測試深度學習模型！
簡單到什麼程度？令人髮指！
用戶只需要提供一個包含數據的CSV文件，一個列表作爲輸入，一個列表作爲輸出，Ludwig就將爲你完成其餘的工作：訓練、測試、可視化、分佈式訓練等等。
安裝Ludwig就這樣簡單：
訓練模型就一行命令：
模型預測也就一個命令：
可視化也只需一行：
當然，對於熟悉Python的用戶，Ludwig也提供了非常簡單易用的API：
可視化工具允許你分析模型的訓練和測試性能，並對它們進行比較。
Ludwig在構建時考慮了可擴展性原則，很容易添加對新數據類型和新模型體系結構的支持。
工程人員可以使用它快速訓練和測試深度學習模型，研究人員也可以使用它來獲得強有力的基線版本，並方便進行對比，並通過執行標準數據預處理和可視化來確保模型可比性。
打個比方！TensorFlow提供了建築房屋的積木，Ludwig提供的則是一棟棟的房子，你來決定建造怎樣的城市！！
該工具箱的核心設計原則是:
無需編碼:不需要編碼技能來訓練模型也不需要編碼用它進行預測。
通用性:一種新的基於數據類型的深度學習模型設計方法，使該工具可以跨許多不同的應用領域使用。這點無比強大！
靈活性:經驗豐富的用戶對模型構建和訓練可進行有效的控制，而新手會容易上手。
可擴展性:易於添加新的模型體系結構和新的特徵數據類型。
可理解性:深度學習模型內部通常被認爲是黑匣子，但是該庫提供標準的可視化來理解它們的性能並比較它們的預測。
開源: Apache許可證2.0
使用該庫的簡單獨到之處在於，你只需要關注於數據CVS文件和配置文件YAML！
Ludwig提供了不少計算機視覺、自然語言處理、機器學習熱門應用的例子，讓我們一起來領略使用一行命令我們能做什麼吧！下面圖中表格即爲CVS數據文件示例，表格下爲調用例子實驗的命令。
圖像分類：
視覺問答：
孿生網絡One-shot學習：
圖像描述：
機器翻譯：
自然語言理解：
命名實體識別：
文本分類：
多任務學習：
多標籤分類：
電影評分預測（機器學習迴歸預測）：
時間序列預測：
Kaggle泰坦尼克入門：倖存者預測
語義分析：
對話機器人：
無需編程、一行命令使用深度學習解決實際問題！關鍵是還在Uber的生產環境經過工程驗證！這樣的好工具，你想不想試一下呢？
開源地址：
https://github.com/uber/ludwig
文檔及示例：