Uber 釋出史上最簡單的深度學習框架 Ludwig，不懂程式設計也能玩轉人工智慧
我愛計算機視覺 標星，更快獲取CVML新技術
昨日，Uber官網重磅宣佈新開源深度學習框架Ludwig，不需要懂程式設計知識，讓專家能用的更順手，讓非專業人士也可以玩轉人工智慧，堪稱史上最簡單的深度學習框架！
Ludwig是一個建立在TensorFlow之上的工具箱，它允許使用者在不需要編寫程式碼的情況下訓練和測試深度學習模型！
簡單到什麼程度？令人髮指！
使用者只需要提供一個包含資料的CSV檔案，一個列表作為輸入，一個列表作為輸出，Ludwig就將為你完成其餘的工作：訓練、測試、視覺化、分散式訓練等等。
安裝Ludwig就這樣簡單：
訓練模型就一行命令：
模型預測也就一個命令：
視覺化也只需一行：
當然，對於熟悉Python的使用者，Ludwig也提供了非常簡單易用的API：
視覺化工具允許你分析模型的訓練和測試效能，並對它們進行比較。
Ludwig在構建時考慮了可擴充套件性原則，很容易新增對新資料型別和新模型體系結構的支援。
工程人員可以使用它快速訓練和測試深度學習模型，研究人員也可以使用它來獲得強有力的基線版本，並方便進行對比，並通過執行標準資料預處理和視覺化來確保模型可比性。
打個比方！ TensorFlow提供了建築房屋的積木， Ludwig提供的則是一棟棟的房子，你來決定建造怎樣的城市！！
該工具箱的核心設計原則是:
無需編碼:不需要編碼技能來訓練模型也不需要編碼用它進行預測。
通用性:一種新的 基於資料型別的深度學習模型設計方法 ，使該工具可以跨許多不同的應用領域使用。這點無比強大！
靈活性:經驗豐富的使用者對模型構建和訓練可進行有效的控制，而新手會容易上手。
可擴充套件性:易於新增新的模型體系結構和新的特徵資料型別。
可理解性:深度學習模型內部通常被認為是黑匣子，但是該庫提供標準的視覺化來理解它們的效能並比較它們的預測。
開源: Apache許可證2.0
使用該庫的簡單獨到之處在於，你只需要關注於資料CVS檔案和配置檔案YAML！
Ludwig提供了不少計算機視覺、自然語言處理、機器學習熱門應用的例子，讓我們一起來領略使用 一行命令 我們能做什麼吧！下面圖中表格即為CVS資料檔案示例，表格下為呼叫例子實驗的命令。
影象分類：
視覺問答：
孿生網路One-shot學習：
影象描述：
機器翻譯：
自然語言理解：
命名實體識別：
文字分類：
多工學習：
多標籤分類：
電影評分預測（機器學習迴歸預測）：
時間序列預測：
Kaggle泰坦尼克入門：倖存者預測
語義分析：
對話機器人：
無需程式設計、一行命令使用深度學習解決實際問題！關鍵是還在Uber的生產環境經過工程驗證！這樣的好工具，你想不想試一下呢？
開源地址：
https://github.com/uber/ludwig
文件及示例：
https://uber.github.io/ludwig/
加群交流
關注計算機視覺與機器學習技術，歡迎加入52CV群，掃碼新增52CV君拉你入群，
（ 請務必註明:52CV ）
喜歡在QQ交流的童鞋，可以加52CV官方 QQ群 ：928997753。
（不會時時線上，如果沒能及時通過驗證還請見諒）
更多CV技術乾貨請瀏覽：
長按關注 我愛計算機視覺