谷歌今天介紹了AdaNet，一個(gè)結(jié)合機(jī)器學(xué)習(xí)算法的開(kāi)源工具，以實(shí)現(xiàn)更好的預(yù)測(cè)洞察力。AdaNet可以在今天的張量GitHub知識(shí)庫(kù)中找到。

谷歌人工智能軟件工程師查爾斯·威爾在一篇博客文章中說(shuō):“AdaNet建立在我們的請(qǐng)求信息的基礎(chǔ)上，以學(xué)習(xí)和基于進(jìn)化的自動(dòng)化為基礎(chǔ)，努力做到快速和靈活，同時(shí)提供學(xué)習(xí)保障。”“重要的是，AdaNet不僅為學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)提供了一個(gè)通用框架，而且還為學(xué)習(xí)集成以獲得更好的模型提供了一個(gè)通用框架。”

Weill說(shuō)，AdaNet使用了一種稱為集成學(xué)習(xí)的方法來(lái)組合和改進(jìn)算法，而這種方法以前需要領(lǐng)域?qū)＜一蛱鄷r(shí)間進(jìn)行培訓(xùn)。

為了讓AdaNet更容易實(shí)現(xiàn)，該框架嵌入了TensorFlow估計(jì)器，將重要信息帶到單個(gè)位置，以及asTensorBoard，后者在人工智能模型被訓(xùn)練時(shí)提供視覺(jué)反饋。

AdaNet通過(guò)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的體系結(jié)構(gòu)，然后向其中添加子網(wǎng)，從而確保其創(chuàng)建的集成模型的學(xué)習(xí)保證。

希望對(duì)過(guò)程有更多控制的機(jī)器學(xué)習(xí)實(shí)踐者可以使用TensorFlow api來(lái)定義自己的子網(wǎng)、自定義丟失函數(shù)或切換其他設(shè)置。

關(guān)于AdaNet如何工作的更多細(xì)節(jié)可以在這篇去年在國(guó)際機(jī)器學(xué)習(xí)會(huì)議上發(fā)表的論文中看到。

今天發(fā)布的AdaNet是AutoML(谷歌的自動(dòng)化訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)的方式)的最新進(jìn)展。谷歌云平臺(tái)在今年夏天引入了自動(dòng)翻譯、計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理，以及在一月份引入了云自動(dòng)構(gòu)建自定義人工智能模型。