内容简介：昨日，Uber官网重磅宣布新开源深度学习框架Ludwig，不需要懂编程知识，让专家能用的更顺手，让非专业人士也可以玩转人工智能，堪称史上最简单的深度学习框架！
我爱计算机视觉 标星，更快获取CVML新技术
昨日，Uber官网重磅宣布新开源深度学习框架Ludwig，不需要懂编程知识，让专家能用的更顺手，让非专业人士也可以玩转人工智能，堪称史上最简单的深度学习框架！
Ludwig是一个建立在TensorFlow之上的 工具 箱，它允许用户在不需要编写代码的情况下训练和测试深度学习模型！
简单到什么程度？令人发指！
用户只需要提供一个包含数据的CSV文件，一个列表作为输入，一个列表作为输出，Ludwig就将为你完成其余的工作：训练、测试、可视化、分布式训练等等。
安装Ludwig就这样简单：
训练模型就一行命令：
模型预测也就一个命令：
可视化也只需一行：
当然，对于熟悉 Python 的用户，Ludwig也提供了非常简单易用的API：
可视化工具允许你分析模型的训练和测试性能，并对它们进行比较。
Ludwig在构建时考虑了可扩展性原则，很容易添加对新数据类型和新模型体系结构的支持。
工程人员可以使用它快速训练和测试深度学习模型，研究人员也可以使用它来获得强有力的基线版本，并方便进行对比，并通过执行标准数据预处理和可视化来确保模型可比性。
打个比方！ TensorFlow提供了建筑房屋的积木， Ludwig提供的则是一栋栋的房子，你来决定建造怎样的城市！！
该工具箱的核心设计原则是:
无需编码:不需要编码技能来训练模型也不需要编码用它进行预测。
通用性:一种新的 基于数据类型的深度学习模型设计方法 ，使该工具可以跨许多不同的应用领域使用。这点无比强大！
灵活性:经验丰富的用户对模型构建和训练可进行有效的控制，而新手会容易上手。
可扩展性:易于添加新的模型体系结构和新的特征数据类型。
可理解性:深度学习模型内部通常被认为是黑匣子，但是该库提供标准的可视化来理解它们的性能并比较它们的预测。
开源: Apache许可证2.0
使用该库的简单独到之处在于，你只需要关注于数据CVS文件和配置文件YAML！
Ludwig提供了不少计算机视觉、自然语言处理、机器学习热门应用的例子，让我们一起来领略使用 一行命令 我们能做什么吧！下面图中表格即为CVS数据文件示例，表格下为调用例子实验的命令。
图像分类：
视觉问答：
孪生网络One-shot学习：
图像描述：
机器翻译：
自然语言理解：
命名实体识别：
文本分类：
多任务学习：
多标签分类：
电影评分预测（机器学习回归预测）：
时间序列预测：
Kaggle泰坦尼克入门：幸存者预测
语义分析：
对话机器人：
无需编程、一行命令使用深度学习解决实际问题！关键是还在Uber的生产环境经过工程验证！这样的好工具，你想不想试一下呢？
开源地址：
https://github.com/uber/ludwig
文档及示例：
https://uber.github.io/ludwig/
加群交流
关注计算机视觉与机器学习技术，欢迎加入52CV群，扫码添加52CV君拉你入群，
（ 请务必注明:52CV ）
喜欢在QQ交流的童鞋，可以加52CV官方 QQ群 ：928997753。
（不会时时在线，如果没能及时通过验证还请见谅）
更多CV技术干货请浏览：
长按关注 我爱计算机视觉
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 人工智能会取代人工翻译吗？
- “人工”智能究竟需要多少人工？
- 腾讯发布人工智能辅助翻译 致敬人工翻译
- 你负责人工智能哪部分？人工那部分；知识图谱的构建主要靠人工还是机器？
- 忽略这一点，人工智能变人工智障的！
- Unity 人工智能挑战赛 全面启动，打破人工智能研究瓶颈
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
