点击上方“视学算法”,选择加"星标"或“置顶”
重磅干货,第一时间送达
萧箫 发自 凹非寺
来自|量子位
好消息,谷歌将AutoML算法库开源了!
这个名为“模型搜索”(Model Search)的平台,不仅可以用多个AutoML算法自动写出你想要的AI模型,还能帮你选出写得最好的那个。
最重要的是,各个领域都能用。
也就是说,以往只支持NLP、图像分类等等单一领域模型搜索的AutoML算法,现在被整合到了一个平台上,可以帮你构建任何AI模型。
现在,无需再重新设计参数、或反复微调,“AI设计师”就能帮你写出想要的模型。
“模型搜索”是个什么平台
此前,AutoML算法已经被应用到了各个领域,用来减轻神经网络设计专家的负担。
这种算法,目的是让AI来设计神经网络,自动对网络深度、层类型、结构、优化算法等因素进行合理搭配,效果通常比人工直接设计更好。
然而,这种由AI来设计AI模型的方法,会面临两个问题。
其一,这些算法通常只能针对某一特定领域,无法被应用到其他领域中。
例如针对NLP的AutoML算法,就无法设计出图像分类的AI模型。
其二,计算量很大。
之前的NAS和PNAS算法,往往需要训练数千个模型,才能找到效果最好的。
针对这两个问题,谷歌现在推出了“模型搜索”开源平台,致力于解决它们。
这个系统由多个训练器(trainer)、1个搜索算法、1个迁移学习算法和1个包含多种评估模型的数据库构成。
过程中,每个训练器都会独立地构建模型、进行试验,但这些训练器能共享数据,并采用横向搜索,决定下一步尝试什么样的模型。
“模型搜索”能根据一组预定义模块,来构建神经网络模型,每个模块包含一个经典微结构,包括LSTM、ResNet或是Transformer中的某些层等等。
这种微结构的模式,也减少了搜索规模,因为它探索的是这些模型的结构,而非更详细的基本部分。
而为了进一步提高效率和准确性,这一算法还能在训练器完成各种实验时,进行迁移学习。主要通过知识提取和参数分配两种方法。
通过知识提取,新模型可以从高性能模型中借鉴损失函数,提高自身准确性;而通过参数分配,新模型采用之前训练模型中的部分参数,并初始化剩余的参数,就能训练得更快。
在逐渐迭代的过程中,最好的模型就被“搜索”出来了。
谷歌表示,“模型搜索”是个具有自适应性、贪婪性、而且比强化学习算法收敛速度更快的算法。
这个算法,目前具有如下功能:
可以在数据上运行多个AutoML算法,可以自动搜索合适的模型结构、模型融合方法,并选择最佳模型。
可以比较在搜索时发现的不同模型;
可以自行设计特殊的神经网络层并应用。
目前,“模型搜索”支持Tensorflow框架。
也就是说,各模块都能实现任何以张量为输入的函数。
比人类设计得好,比PNAS更高效
经过实验,“模型搜索”平台搞出来的AI模型,确实还不错。
作者们用“模型搜索”平台,试着写了个语音AI模型,主要功能是关键字检测和语言识别。
下图中,实线是AI写出来的模型迭代精度,虚线则是此前人工设计出的SOTA模型。
显然,无论是最小迭代次数、还是最后的迭代精度,“模型搜索”平台用AI写出的模型,都比人工设计的要好得多。
也就是说,设计所用的参数量更少了(相比于人工设计的31.5万,AI只需要18.4万),精度反而还上升了。
那么,这个“模型搜索”框架的搜索效果,相比于其他用AI写AI模型的搜索算法,哪个效果更好?
作者们用CIFAR-10数据集试了试图像分类模型。
测试发现,用AutoML尝试写了209个模型后,最好的模型就已经达到了91.83%的精确度。
而此前,NasNet需要尝试5807次、PNAS需要尝试1160次,才能达到相同的精度。
也就是说,用这个平台设计的AI模型,不仅能达到在某些领域达到比人类设计更好的效果,还比其他“AI设计师”速度更快。
不想辛苦调参的话,这绝对是个非常理想的模型设计平台了。
不包含全部AutoML算法
所以,谷歌当真就把自己之前的收费项目开源了?
不不不。
更高级的AutoML算法,目前还是要收费的。
这是个名为AutoML Tables的项目,无需写代码,它就能帮你自动构建和部署最先进的机器学习模型。
而性能最优的AutoML算法,目前都包含在这里面了。
目前,谷歌已经将AutoML、MLOps、AI Platform整合到一起,成为了一个更大的AI Platform平台。
当然,也是要付费的。
也就是说,目前开源的这个“模型搜索”平台,只包含一部分AutoML算法。
作者介绍
Hanna Mazzawi,谷歌研究工程师,研究方向是机器学习、算法设计和分析、数学软件。
Xavi Gonzalvo,硕博均毕业于西班牙拉蒙尤以大学(Ramon Llull University),目前在谷歌任研究科学家,从事机器智能相关的工作。
如果想快速写出需要的AI模型,可以上手这个项目了~
项目地址:
/google/model_search
参考链接:
/automl-tables
//02/introducing-model-search-open-source.html
点个在看 paper不断!