Google veröffentlicht neues Machine-Learning-Framework: AdaNet
Googles AdaNet setzt auf TensorFlow und AutoML auf und soll Entwicklern die Vorteile des Ensemble Learning einfach zur Verfügung stellen.
- Björn Bohn
Das Google-AI-Team hat mit AdaNet ein auf TensorFlow basierendes Framework zum automatischen Anlernen von Machine-Learning-Modellen veröffentlicht. Das Tool baut des Weiteren auf den Arbeiten am Dienst AutoML auf, der auch Entwicklern ohne große Fachkenntnisse einen Einstieg in die Welt des Machine Learning (ML) ermöglichen soll. Google zufolge soll AdaNet nicht nur ein Framework zum Erlernen der Architektur neuronaler Netze sein, sondern auch in der Lage sein, Ensemble Learning zu nutzen, um bessere Modelle zu erstellen.
Beim Ensemble Learning kombinieren Frameworks verschiedene Vorhersagen von ML-Modellen, um so bessere Ergebnisse zu erzielen. In der Praxis ist die Technik allerdings kaum in Gebrauch, da die Trainingszeiten äußerst lange sind und die Auswahl der Modelle großes Wissen erfordert. Google argumentiert allerdings, dass mit steigender Computergeschwindigkeit und spezieller Deep-Learning-Hardware das Konzept weitere Verbreitung finden wird. Hier setzt AdaNet an.
Zeit einsparen
Im Blogbeitrag erklärt Google weiterhin, dass AdaNet ML-Anwendern Zeit einsparen soll, da es verschiedene Netzwerke unterschiedlicher Tiefe und Breite kombinieren kann. AdaNet nutzt einen anpassungsfähigen Algorithmus um die Architekturen neuronaler Netze zu erlernen, Unternetzwerke hinzuzufügen und ein sogenanntes Ensemble zu erstellen. Das soll Lernerfolge garantieren.
Machine-Learning-Experte?
Wer gerne sein Fachwissen im Bereich Machine Learning weitergeben möchte, kann am Call for Proposals der von heise Developer, iX und dpunkt.verlag organisierten Konferenz Minds Mastering Machines teilnehmen. Einreichungen für Vorträge und Workshops sind bis zum 6. Januar möglich.
Darüber hinaus implementiert AdaNet das TensorFlow-Estimator-Interface und das TensorBoard, Ersteres verkapselt Training, Evaluation und Vorhersage um sie für Machine-Learning-Modelle zu exportieren. Zweiteres ist ein Visualisierungswerkzeug, das das Überwachen von Modellen ermöglicht und verschiedene Metriken liefert.
Wer AdaNet ausprobieren möchte, findet das Projekt auf GitHub. Die Macher stellen auch eine Reihe von Tutorials zur Verfügung. (bbo)
