作者 | KYLE WIGGERS
编译 | AI科技大本营（ID:rgznai100）
构建涉及图像、文本和表格数据集的机器学习应用并不容易。它需要特征工程或使用数据领域知识来创建使AI算法起W Q e * J Y a u R作用的特征，还需要进行大量数据预处理，以确保训练模型时不会出现偏差。
这大概就是为什么亚马逊开发了AutoGluon，这是一I 0 t y # f U个开放源代码库，旨在使开发人员仅用几行代码即可编写AI嵌入的应用程序。它已经在GitHub上公开发布。
GitHub链接：
https://github.com/awslabs/autogluon/
AutoGluon旨在使开发者对历来不得不做出的许多决策进行自动化。通常，诸如超参数调整之类的任务需要手动执行，这就要求科学家预测超参数（表示构建AI模型时所做的选择）将如何影响模型训练。另一个通常由人监督的任务称为神经架构搜索，它涉及复杂的工程，至少在一定程度上，开发人员必须为其各自的模型确定最优设计。
为此，AutoGK P 8 G Zluon可以通过自动调整默认范围内的选择来生成仅需三行代码的模型，而这些默认范围在已知范围内可以很好地完成特定任2 + _ ( P务。开发者只需指定他们准备好其训练好的模型，作为响应，AutoGluonU 5 ; B n就会利用可用的计算资源在分配的运行时中找到最强模型。
它H p v e P Q 5 W L以亚马逊和微软三年前的研究工作Gluon为基础，后来又在4 w 2Apache MXNet和微软的Cognitive Toolkit中发布。Gluon是一个机器学习界面，允许开发者使用一组预先构建和优化好的组件来构建模型，而AutoGluon则端到端地处理开发过程。
AutoGluon“开箱即用”，用于识别表格预测、图像和文本分类以及对象检测的模型，它还提供了API可供经q ( #验丰富的开发者使用，以进一步改善模型的预测性能. u 8 t W ^ |。它需要Python 3.6或3.7q f 6版本，并且目前仅支持Linux，但是Amazon表示Mac OSX和Windows版本将很快公布。
“我们开发了AutoGluon，以真正使机器学习平民化，并将深度学习的能力提供给所有开发者。 b” AWo 9 a O n g GSg q ( s应用科学家Jonas Mueller在一份声明中表示，“ AutoGluon解决了这个问题，因为所有的选择都自动调优到默认范围内，对于特定的任务和模型& v ^ e，默认范围内的性能都很好。”
AutoGluon的首次亮相是在对Amazon8 ? ) 1 7 Web ServicT E d b o yes（AWS）的SageMaker进行重大升级后，该工具包用于不断训练机器学习模型并将其部署到云和边缘环境。
AWS SageMaker Studio是一种模型训练和工作流管理工具，可将用于机器学习的所有代码、笔记和文件收集到一个地方^ = 9，而SageMakE % _er Notebook可让开发者快速启动Jupyter笔记来进行机器学习项目。还有SageMaker Autopilot，可通过自动选择算法并调整模型来自动创建模型。SageMaker Experiments，用于测试和验证模型；^ U m v c s : 2 QSageMaker Debugger，可提高f 1 ` 7 U 5 b N ,模型的准J E p 5 K o c确性；SageMaker Model Monitor，可以检测概) I *念偏差。
亚马逊先前推出了AWS深度学o H u习容器（AWS Deep Learning CT + { 2 7ontainers），这是一个预先安装了流行深] = N 6 c ! q度学习框架的Docker映像库，以及一系列完全v E { l ( ; 3托管服务，包括Personalize，Textract，Fraud Detector和CodeGuru。再加上AutoGluon这样的独立工具，根据Statista的数据，亚马逊正在追逐一个到2025年预f 7 } Y u n n期为1180.6亿美元的市场。
AutoGluonk C b r X n z安装指南：
https://autogluon.mxnet.io/
原文链接：
https://ve, 0 F A u j * 8 $nturebeat.com/2020/01/09/amazons-autogluon-produces-ai-models-with-as-little-as-three-lines-of-code/
所有CSDN 用户都可参与投票和抽奖活动
加入福利群，每周还有精选学习资料、技术图书等福利发送