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。