TensorFlow框架的开源工具箱Ludwig

[q544781456]

网约车服务商 Uber 开源并发布了它们开发的 Ludwig，这是一款基于 Google TensorFlow 框架上的开源工具箱。藉由 Ludwig，用户无需再编写任何代码即可进行深度学习的开发。

在过去的十年中，人们证明了深度学习在视觉、语音和语言方面执行各种各样的机器学习任务非常有效。Uber 将这些深度学习模型用于各种任务，包括客户支持、对象检测、改进地图、简化聊天沟通、预测和防止欺诈。

现在有很多开源库，包括 TensorFlow、PyTorch、CNTK 和 Chainer 等，已经实现了构建此类模型所需的构件，从而可以进行更快、更不易出错的开发。而这些反过来又推动了机器学习研究界和行业从业者采用这种模型，从而在架构设计和行业解决方案方面取得了快速的进展。

Uber AI 决定避免重新发明轮子，在开源库所提供的强大基础之上开发软件包。为此，Uber AI 于 2017 年发布了 Pyro，这是一种基于 PyTorch 的深度概率编程语言，并借助开源社区的力量继续改进。Uber 开发的另一个主要开源人工智能工具是 Horovod，这是由 LF 深度学习基金会（LF Deep Learning Foundation）托管的一个框架，允许在多个 GPU 和多台机器上对深度学习模型进行分布式训练。

Uber 在 TensorFlow 的基础上开发了一款开源深度学习工具箱，命名为 Ludwig，允许用户在无需编写代码的情况下即可训练并测试深度学习模型。

Ludwig 的独特之处在于它能够帮助非专家更容易地理解深度学习，并为经验丰富的机器学习开发者和研究人员提供更快的模型改进迭代周期。通过使用 Ludwig，专家和研究人员可以简化原型设计过程及数据处理，这样他们就可以专注于开发深度学习体系架构，而不是深陷数据整理。

Uber 最初将 Ludwig 设计为通用工具，用于在处理新的应用机器学习问题时简化模型开发和比较过程。为实现这一目标，Uber 从其他机器学习软件汲取了灵感：Weka 和 MLlib，它们直接处理原始数据并提供一定数量的预构建模型的想法；Caffe 定义文件的声明性；scikit-learn，一套简单的编程 API。这些灵感混合在一起，使得 Ludwig 迥异于常见的深度学习库，后者提供张量代数（tensor algebra）原语和很少的其他工具来编码模型，同时使 Ludwig 比 PyText、StanfordNLP、AllenNLP 和 OpenCV 等其他专业库更加通用。

项目地址： https://gitee.com/mirrors/Ludwig