[机器学习]AutoML --- AutoKeras

前言

Keras 是一个用 Python 编写的高级神经网络 API，能够在 TensorFlow、CNTK 或 Theano 之上运行。它的意义在于可以实现快速实验。而能够以最小的延迟把想法变成结果是顺利进行研究的关键。

AutoKeras是一个开源的，基于 Keras 的新型 AutoML 库。AutoKeras 是一个用于自动化机器学习的开源软件库，提供自动搜索深度学习模型的架构和超参数的功能。AutoKeras 采用的架构搜索方法是一种结合了贝叶斯优化的神经架构搜索。它主要关注于降低架构搜索所需要的计算力，并提高搜索结果在各种任务上的性能。

官方网站：https://autokeras.com/
项目github：https://github.com/jhfjhfj1/autokeras

TensorFlow版本：https://github.com/melodyguan/enas
PyTorch 版本：https://github.com/carpedm20/ENAS-pytorch

安装Auto-keras

Note: currently, Auto-Keras is only compatible with: Python 3.6.

1 Auto-Keras依赖于Keras, Pytorch, Tensorflow组件，打开Anconda Prompt，输入以下命令：

pip install keras
pip install install pytorch
pip install tensorflow-gpu

等待安装完毕即可。

2 安装graphviz
此依赖包的目的是为了绘制Auto-Keras生成的网络结构，同样的输入以下命令：

pip install graphviz

3. 安装Auto-Keras
最后来安装Auto-Keras，输入命令：

pip install autokeras

Docker Env

1. Download Auto-Keras Docker image

docker pull garawalid/autokeras

2. Start Auto-Keras Docker container

docker run -it --shm-size 2G garawalid/autokeras /bin/bash

In case you need more memory to run the container, change the value of shm-size. (Docker run reference)

3. Run application :

To run a local script file.py using Auto-Keras within the container, mount the host directory -v hostDir:/app.

docker run -it -v hostDir:/app --shm-size 2G garawalid/autokeras python file.py

Example :

Let's download the mnist example and run it within the container.

wget https://raw.githubusercontent.com/jhfjhfj1/autokeras/master/examples/mnist.py

Run the mnist example :

docker run -it -v "$(pwd)":/app --shm-size 2G garawalid/autokeras python mnist.py

K8S Env

1. specifies the tmpfs volume dshm.
2. enables POSIX shared memory for hello-container1 via dshm.

https://docs.okd.io/latest/dev_guide/shared_memory.html

apiVersion: v1
id: hello-autokeras
kind: Pod
metadata:name: hello-autokeraslabels:name: hello-autokeras
spec:volumes:                          - name: dshmemptyDir:medium: Memorycontainers:- image: garawalid/autokerasname: hello-container1ports:- containerPort: 8080hostPort: 6061volumeMounts:                 - mountPath: /dev/shmname: dshm

Create the pod using the shared-memory.yaml file:

$ kubelet create -f autokeras.yaml

Auto-Keras 使用示例

from keras.datasets import mnist
from autokeras import ImageClassifierif __name__ == '__main__':(x_train, y_train), (x_test, y_test) = mnist.load_data()x_train = x_train.reshape(x_train.shape+(1,))x_test = x_test.reshape(x_test.shape+(1,))clf = ImageClassifier(verbose=True, augment=False)clf.fit(x_train, y_train, time_limit=30 * 60)clf.final_fit(x_train, y_train, x_test, y_test, retrain=True)y = clf.evaluate(x_test, y_test)print(y * 100)clf.load_searcher().load_best_model().produce_keras_model().save('\my_model.h5')

运行代码，显示Auto-Keras正在不断进行迭代以寻找最优网络：

参考： https://towardsdatascience.com/auto-keras-or-how-you-can-create-a-deep-learning-model-in-4-lines-of-code-b2ba448ccf5e