autokeras

Offizielle Website: autokeras.com

AutoKeras: Ein AutoML-System basierend auf Keras. Es wurde vom DATA Lab an der Texas A&M University entwickelt. Das Ziel von AutoKeras ist es, maschinelles Lernen für jedermann zugänglich zu machen.

Lernressourcen

• Ein kurzes Beispiel.

 import autokeras as ak

clf = ak . ImageClassifier ()
clf . fit ( x_train , y_train )
results = clf . predict ( x_test )

• Offizielle Website-Tutorials.
• Das Buch „Automatisiertes maschinelles Lernen in Aktion“ .
• Die Live-Projekte der Bildklassifizierung mit AutoKeras .

Installation

Um das Paket zu installieren, verwenden Sie bitte die pip -Installation wie folgt:

pip3 install autokeras

Weitere Einzelheiten finden Sie in der Installationsanleitung.

Hinweis: Derzeit ist AutoKeras nur mit Python >= 3.7 und TensorFlow >= 2.8.0 kompatibel.

Gemeinschaft

Stellen Sie Ihre Fragen in unseren GitHub-Diskussionen.

Mitwirkender Code

So verwalten wir unser Projekt.

Wir wählen aus GitHub-Problemen die kritischen Probleme aus, an denen wir arbeiten möchten. Sie werden diesem Projekt hinzugefügt. Einige der Issues werden dann zu den Meilensteinen hinzugefügt, die zur Planung der Releases dienen.

Weitere Informationen zu den Best Practices finden Sie in unserem Beitragsleitfaden.

Vielen Dank an alle Mitwirkenden!

Zitieren Sie diese Arbeit

Haifeng Jin, François Chollet, Qingquan Song und Xia Hu. „AutoKeras: Eine AutoML-Bibliothek für Deep Learning.“ das Journal of Machine Learning Research 6 (2023): 1-6. (Herunterladen)

Biblatex-Eintrag:

 @article { JMLR:v24:20-1355 ,
  author  = { Haifeng Jin and François Chollet and Qingquan Song and Xia Hu } ,
  title   = { AutoKeras: An AutoML Library for Deep Learning } ,
  journal = { Journal of Machine Learning Research } ,
  year    = { 2023 } ,
  volume  = { 24 } ,
  number  = { 6 } ,
  pages   = { 1--6 } ,
  url     = { http://jmlr.org/papers/v24/20-1355.html }
}

Danksagungen

Die Autoren danken dankbar für das D3M-Programm der Defense Advanced Research Projects Agency (DARPA), das durch den AFRL-Vertrag FA8750-17-2-0116 verwaltet wird; das Texas A&M College of Engineering und die Texas A&M University.