Uber 发布史上最简单的深度学习框架 Ludwig，不懂编程也能玩转人工智能

我爱计算机视觉 标星，更快获取CVML新技术

昨日，Uber官网重磅宣布新开源深度学习框架Ludwig，不需要懂编程知识，让专家能用的更顺手，让非专业人士也可以玩转人工智能，堪称史上最简单的深度学习框架！

Ludwig是一个建立在TensorFlow之上的 工具 箱，它允许用户在不需要编写代码的情况下训练和测试深度学习模型！

简单到什么程度？令人发指！

用户只需要提供一个包含数据的CSV文件，一个列表作为输入，一个列表作为输出，Ludwig就将为你完成其余的工作：训练、测试、可视化、分布式训练等等。

安装Ludwig就这样简单：

训练模型就一行命令：

模型预测也就一个命令：

可视化也只需一行：

当然，对于熟悉 Python 的用户，Ludwig也提供了非常简单易用的API：

可视化工具允许你分析模型的训练和测试性能，并对它们进行比较。

Ludwig在构建时考虑了可扩展性原则，很容易添加对新数据类型和新模型体系结构的支持。

工程人员可以使用它快速训练和测试深度学习模型，研究人员也可以使用它来获得强有力的基线版本，并方便进行对比，并通过执行标准数据预处理和可视化来确保模型可比性。

打个比方！ TensorFlow提供了建筑房屋的积木， Ludwig提供的则是一栋栋的房子，你来决定建造怎样的城市！！

该工具箱的核心设计原则是:

无需编码:不需要编码技能来训练模型也不需要编码用它进行预测。

通用性:一种新的 基于数据类型的深度学习模型设计方法 ，使该工具可以跨许多不同的应用领域使用。这点无比强大！

灵活性:经验丰富的用户对模型构建和训练可进行有效的控制，而新手会容易上手。

可扩展性:易于添加新的模型体系结构和新的特征数据类型。

可理解性:深度学习模型内部通常被认为是黑匣子，但是该库提供标准的可视化来理解它们的性能并比较它们的预测。

开源: Apache许可证2.0

使用该库的简单独到之处在于，你只需要关注于数据CVS文件和配置文件YAML！

Ludwig提供了不少计算机视觉、自然语言处理、机器学习热门应用的例子，让我们一起来领略使用 一行命令 我们能做什么吧！下面图中表格即为CVS数据文件示例，表格下为调用例子实验的命令。

图像分类：

视觉问答：

孪生网络One-shot学习：

图像描述：

机器翻译：

自然语言理解：

命名实体识别：

文本分类：

多任务学习：

多标签分类：

电影评分预测（机器学习回归预测）：

时间序列预测：

Kaggle泰坦尼克入门：幸存者预测

语义分析：

对话机器人：

无需编程、一行命令使用深度学习解决实际问题！关键是还在Uber的生产环境经过工程验证！这样的好工具，你想不想试一下呢？

开源地址：

https://github.com/uber/ludwig

文档及示例：

https://uber.github.io/ludwig/

加群交流

关注计算机视觉与机器学习技术，欢迎加入52CV群，扫码添加52CV君拉你入群，

（ 请务必注明:52CV ）

喜欢在QQ交流的童鞋，可以加52CV官方 QQ群 ：928997753。

（不会时时在线，如果没能及时通过验证还请见谅）

更多CV技术干货请浏览：

"我爱计算机视觉"干货集锦分类汇总(2019年1月20日)

长按关注 我爱计算机视觉