Amazon представила открытую библиотеку AutoGluon. Она позволит разработчикам писать ИИ-приложения с помощью всего трех строк кода.

Создавать приложения машинного обучения с использованием изображений, текста и таблиц — сложно. Чтобы упростить этот процесс, Amazon разработала библиотеку с открытым исходным кодом AutoGluon. Она позволяет разработчикам создавать ИИ-приложения всего несколькими строками кода. Инструмент появился на GitHub почти месяц назад, но официально представили его только 9.01.

Решение базируется на совместном проекте Amazon и Microsoft под названием Gluon. Это интерфейс машинного обучения, который позволяет разработчикам создавать модели с набором предварительно собранных и оптимизированных компонентов. В отличие от него AutoGluon полностью берет на себя разработку.

Цель AutoGluon — автоматизировать многие задачи, которые разработчики обычно выполняют вручную. В их числе, например, поиск нейронной архитектуры. AutoGluon может создать модель машинного обучения всего тремя строками кода.

Разработчику нужно определить, в какие сроки он хотел бы получить обученную модель. После этого AutoGluon использует доступные вычислительные ресурсы, чтобы найти самую эффективную модель в отведенное время. Инструмент готовит модели для табличного прогнозирования, классификации изображений и текста, а также распознавания объектов. Более опытные разработчики могут воспользоваться его API для дальнейшего повышения прогнозирующей производительности.

Он требует Python версии 3.6 или 3.7 и в настоящее время поддерживает только Linux, но Amazon сообщает, что версии для Mac OSX и Windows будут доступны в ближайшее время.

«Мы разработали AutoGluon, чтобы по-настоящему демократизировать машинное обучение и сделать мощь глубокого обучения доступной для всех разработчиков», - заявил  ученый AWS Йонас Мюллер. 

Дебют AutoGluon последовал за крупными обновлениями SageMaker от Amazon Web Services (AWS), инструментария для непрерывного обучения и развертывания моделей машинного обучения в облачных средах. Есть также SageMaker Autopilot, который автоматизирует создание моделей, автоматически выбирая алгоритмы и настраивая эти модели; SageMaker Experiment, который тестирует и проверяет модели; SageMaker Debugger, который повышает точность моделей; и SageMaker Model Monitor, который обнаруживает смещение концепции.

Ранее Amazon выпустила AWS Deep Learning Containers, библиотеку образов Docker, предустановленную с популярными средами глубокого обучения, а также целый ряд полностью управляемых сервисов, включая Personalize, Textract, Detection Fraud и CodeGuru. С помощью этих и автономных инструментов, таких как AutoGluon, Amazon пытается занять перспективную нишу, рынок которой предположительно будет стоить 118 600 000 000 $ к 2025 году.