三位华人科学家打造开源机器学习框架，直击谷歌AutoML软肋

让神经 络自己设计神经 络，大降机器学习门槛的Google AutoML，最近终于开始了Beta测试。

不过，很快就有同行纷纷跳出来表示不服。最新的一波来自美国德州农工大学（Texas A&M University）助理教授胡侠和他的两名博士生：金海峰、Qingquan Song。

下图从左到右，依次就是这三位：

他们不仅吐槽了Google AutoML的问题，还给出了自己的解决方案：Auto-Keras，一个基于Keras的开源自动机器学习Python软件库。

胡老师和学生们所列出的Google AutoML三大缺陷，简单来说是这样的：

第一，还得付钱。

第二，因为在云上，还得配置Docker容器和Kubernetes。

第三，服务商(Google)保证不了你数据安全和隐私。

机器学习博客Towards Data Science上的一篇文章，给了个更加直接的评价：太疯狂了！以前Google和整个AI界都更喜欢开源，喜欢和所有人分享知识，现在竟然拿这个东西来赚钱？

于是，这篇文章认定，Google AutoML会败于开源，而德州农工的Auto-Keras，将成为AutoML杀手。

Auto-Keras是一个开源、免费的工具，和Google的AutoML功能相似，也能为深度学习模型自动搜索架构和超参数，使用的方法是高效神经架构搜索（Efficient Neural Architecture Search，简称ENAS）。

原来的ENAS基于参数共享，而Auto-Keras所用的，则是基于 络态射（network morphism）。

他们为了降低ENAS的计算成本，引入神经 络核和树结构的采集函数优化算法，用贝叶斯优化来引导神经 络的 络态射。这样可以在改变神经架构的同时保持神经 络的功能，在搜索期间提高训练效率。

想尝试一下？安装也很简单：

pip install autokeras

完成。

在众多深度学习框架中，Keras是以简单好上手著称的，所以，Auto-Keras的代码也不难理解，想要在它基础上做一些个性化设置，可以自己调整参数。

用到最后，还能看到神经架构搜索得出的模型。

最后，附上一些传送门 ↓

官 ：

https://autokeras.com/

GitHub：

https://github.com/jhfjhfj1/autokeras

论文：

Efficient Neural Architecture Search with Network Morphism

Haifeng Jin, Qingquan Song, Xia Hu

https://arxiv.org/abs/1806.10282

enjoy~

— 完 —

实习生招聘

量子位正在招募活动运营实习生，策划执行AI明星公司CEO、高管等参与的线上/线下活动，有机会与AI行业大牛直接交流。工作地点在北京中关村。

?’?’ ? 追踪AI技术和产品新动态