Uber发布史上最简单的深度学习框架Ludwig!不懂编程也能玩转人工智能

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!

image

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:

image

训练模型就一行命令:

image

模型预测也就一个命令:

image

可视化也只需一行:

image

当然,对于熟悉Python的用户,Ludwig也提供了非常简单易用的API:

image

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。

image
image

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

image

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:

image

视觉问答:

image

孪生网络One-shot学习:

image

图像描述:

image

机器翻译:

image

自然语言理解:

image

命名实体识别:

image

文本分类:

image

多任务学习:

image

多标签分类:

image

电影评分预测(机器学习回归预测):

image

时间序列预测:

image

Kaggle泰坦尼克入门:幸存者预测

image

语义分析:

image

对话机器人:

image

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/

推荐阅读更多精彩内容