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: