アマゾン ウェブ サービスは最近、開発者がわずか数行のコードで画像、テキスト、または表形式のデータに深層学習モデルを実装できるオープンソース ライブラリを発表しました。
AutoGluon は、機械学習の初心者と専門家の両方にとって使いやすく、簡単に拡張できる AutoML ツールキットになることを目指しています。わずか数行で深層学習モデルのプロトタイピング、ハイパーパラメータの自動調整、モデル選択、データ処理、SOTA 深層学習モデルの自動利用が可能になります。AutoGluon フレームワークは、研究者が既存のカスタム モデルやデータ パイプラインをカスタマイズおよび改善するのにも役立ちます。
従来、開発者は、トレーニング中に手動でニューラル ネットワークを定義し、ハイパーパラメーターを指定することによって、深層学習モデルをトレーニングしていました。SOTA パフォーマンスの達成を目指す研究者は、エラーを最小限に抑えるための最も効率的なパラメータ更新の決定、レイヤーの数と接続方法の選択、データの最適な分類とフォーマット方法の決定などに多大な時間を費やす必要があります。
AutoGluon は、この面倒なプロセスを排除し、開発者に真のハンズフリー エクスペリエンスを提供することを目的としています。AutoGluon パッケージをインポートした後、開発者は対象のタスクを指定し、対応するデータセットをロードするだけで済みます。最後に、AutoGluon に数千の異なるハイパーパラメーター構成の下で複数のモデルを迅速かつ自動的にトレーニングさせ、最適なモデルを返します。
AutoGluon のアプリケーションの 1 つは、境界ボックス内のオブジェクト認識と位置特定によって実現される、画像内のオブジェクト検出です。AutoGluon Tabular の著者である Nick Erickson と彼の同僚は、AutoGluon を使用して、VOC データセットのオートバイ カテゴリを使用して生成された小さなおもちゃのデータセットで物体検出器をトレーニングしました。タスクは、指定された写真内でバイクの位置を特定することです。fit() を 1 回呼び出し、predict() を使用してモデルをテストするだけで、AutoGluon はかなり正確な視覚化を生成できました (以下を参照)。
AutoGluon プロジェクトは GitHub にあります。