Auto-Keras与AutoML:入门指南

  1. 云栖社区>
  2. 翻译小组>
  3. 博客>
  4. 正文

Auto-Keras与AutoML:入门指南

【方向】 2019-01-24 19:12:15 浏览2493
展开阅读全文

e56f1d439c659e0346b83c84f9556d74297222b3

在本教程中,你将学习如何使用Auto-Keras(Google的AutoML的开源替代品)来实现自动化机器学习和深度学习。

目前来说,深度学习从业者在数据集上训练神经网络时,主要正在尝试优化和平衡两个目标:

1.适合数据集性体系构;

2.实验调整一组超参数,这将导致模型具有高精度并能够推广到训练和测试集之外的数据。需要调整的典型超参数包括优化算法(SGDAdam等),学速率和学速率度以及正化等。

根据数据集和具体问题,深度学习专家可以进行数十到数百次实验,以找到神经网络架构和超参数之间的平衡,这些实验通常需要计算数百到数千小时。

刚刚提到的这种模式仅适用于专家,那非深度学习专家呢?

这就需要Auto-Keras和AutoML:

Auto-Keras和AutoML的最终目标是通过使用自动神经架构搜索(NAS)算

网友评论

登录后评论
0/500
评论
【方向】
+ 关注
所属云栖号: 翻译小组