性能超过人类炼丹师

utoML 使用大概 15 倍于单次训练的代价，得到的结果可能比手调的要好。这个主要是对于 CV 而言，尤其是 detection 模型，预计 GluonCV 里面模型很快赢来一大波提升。

AutoGluon 取了一个巧，我们目前只支持 GluonCV 和 GluonNLP 里面的任务，和额外的 Tabular 数据（因为一个小哥之前有过经验）。所以我们可以把以前的很有经验东西放进去来减小搜参空间，从而提升速度。

当然 AutoGluon 还是早期项目，我本来想是让团队再开发一些时间再公开。还有太多有意思的应用、算法、硬件加速可以做的。非常欢迎小伙伴能一起贡献。

AutoGluon：新特性

AutoGluon 支持易使用和易扩展的 AutoML，并专注于涵盖图像、文本或表格数据的深度学习和实际应用。AutoGluon 适用于机器学习初学者和专家，能够使他们：

• 通过几行代码即可快速地为数据构建深度学习原型方案；
• 利用自动超参数微调、模型选择/架构搜索和数据处理；
• 无需专家知识即可自动使用深度学习 SOTA 方法；
• 轻松地提升现有定制模型和数据管道，或者根据用例自定义 AutoGluon。

支持功能

现在 AutoGluon 已经支持了以下一些应用：

• 表格预测：基于数据表中一些列的值预测其他列的值；
• 图像分类：识别图像中的主要对象；
• 对象检测：借助图像中的边界框检测多个对象；
• 文本分类：基于文本内容做出预测。

（编辑：南昌站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!