Automatisiertes ML mit AutoKeras
Wer gängige Aufgaben des maschinellen Lernens wie Bilderkennung mit Keras lösen will, muss viele Zeilen Programmcode eintippen. AutoKeras versucht, über Standardisierung und Automatisierung schneller ans Ziel zu kommen.
Um neuronale Netze sinnvoll einzusetzen, muss man wissen, welche Architektur für welche Aufgabe geeignet ist und wie sie durch Feintuning der Parameter praxistauglich wird. Das gilt auch für immer wiederkehrende Standardaufgaben wie Bilderkennung, für die bekannte Architekturen verfügbar sind. Diesen Aufwand versucht das auf Keras und Google TensorFlow aufbauende Framework AutoKeras zu reduzieren. Es bringt die für Standardaufgaben zur Verfügung stehenden Architekturen mit und automatisiert deren Auswahl zusammen mit dem Feintuning der Parameter. Der folgende Code liefert als Ergebnis eine klassische Bilderkennung, die automatisch auf den spezifischen Anwendungsfall durch die verwendeten Daten optimiert ist:
import autokeras as ak model = ak.ImageRegressor() model.fit(x_train, y_train)
Eine weitere Zeile
