大家好，欢迎来到专栏《AutoML》，在这个专栏中我们会讲述AutoML技术在深度学习中的应用，这一期讲述现有可用的AutoML平台。

作者&编辑 | 言有三

自从Google提出AutoML那天起，工业界和学术界就已经迅速跟进了，经过了几年的发展，那么现在工业界都有了哪些AutoML平台呢？本次简单介绍其中重要的一些。

1 Google Cloud AutoML

作为AutoML的提出和尝鲜者，Google Cloud AutoML是当前最早也是最成熟的AutoML系统，覆盖了图像分类，文本分类以及机器翻译三大领域，另外也上线了测试版的视频相关服务，支持迁移学习和模型结构搜索，超参数搜索。

以视觉为例，当我们想要使用一个服务时，只需要三步：

(1) 上传图片到Google Cloud Storage。

(2) 创建一个图片和对应标签的CSV文件。

(3) 使用AutoML Vision格式化数据集，然后训练和部署模型。

Cloud AutoML提供了API调用和图形界面，想试用的自己去尝试吧。

2 EasyDL

EasyDL是百度的AutoML平台，作为国内AI技术积累最雄厚的企业，AutoML领域百度自然也是当仁不让，目前包含经典版，专业版和零售版，支持迁移学习和模型结构搜索。

支持的任务类型包括图像分类、物体检测、图像分割、文本分类、视频分类、声音分类，PaddlePaddle虽然惨淡，EasyDL还有希望。

使用流程包含四步：

(1) 数据上传与数据标注

(2) 训练任务配置及调参

(3) 模型效果评估

(4) 模型部署

3 阿里云PAI

阿里云机器学习平台PAI（Platform of Artificial Intelligence）是阿里巴巴推出的机器学习服务平台，包含3个子产品，分别是机器学习可视化开发工具PAI-STUDIO，云端交互式代码开发工具PAI-DSW，模型在线服务PAI-EAS， 提供了从数据处理、模型训练、服务部署到预测的一站式服务。

业务范围包括文本分类，金融风控，商品推荐等。

4 Azure Machine Learning

Azure Machine Learning是Microsoft的AutoML平台，支持模型结构搜索和超参数搜索。

Azure Machine Learning支持众多深度学习框架，配合微软的众多开发工具，使用非常方便。

5 一些创业公司

除了有雄厚研究实力的大公司，许多的创业公司也涌入AutoML领域开发相关框架，国外的典型代表是H2O Driverless AI，r2.ai等。

国内的典型是第四范式AI Prophet AutoML等。

不过相比于Google和百度等大厂，工具的可用性和服务还是有差距的。

6 一些开源项目

AutoML开源项目众多，下面简单汇总一些，感兴趣的可以去探索。

https://github.com/tensorflow/adanet

https://github.com/keras-team/autokeras

https://github.com/Tencent/PocketFlow

https://github.com/automl/auto-sklearn

https://github.com/h2oai/h2o-3/

如果想了解更多，不如参考这个GitHub项目。

https://github.com/hibayesian/awesome-automl-papers

总结

AutoML作为最前沿的机器学习/深度学习技术之一，会进一步降低人工设计模型的成本，虽然目前已经有了众多解决方案，但是还未大规模的商业化应用。

下期预告：AutoML与模型结构搜索开篇。

有三AI秋季划

有三AI秋季划已经正式启动报名，模型优化，人脸算法，图像质量共24个项目，助力提升深度学习计算机视觉算法和工程项目能力。

有三AI秋季划出炉，模型优化，人脸算法，图像质量等24个项目等你来拿

转载文章请后台联系

侵权必究

往期文章

• 【AutoML】如何选择最合适的数据增强操作

• 【AutoML】激活函数如何进行自动学习和配置

• 【AutoML】归一化(Normalization)方法如何进行自动学习和配置

• 【AutoML】优化方法可以进行自动搜索学习吗？

• 【AutoML】损失函数也可以进行自动搜索学习吗？

• 【AutoML】如何使用强化学习进行模型剪枝？

• 【AutoML】强化学习如何用于模型量化？