91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

選擇一個(gè)機(jī)器學(xué)習(xí)（ML）庫來解決預(yù)測(cè)問題，是個(gè)說起來容易做起來難的事情。

選擇太多了。每一個(gè)庫對(duì)于它擅長的特定問題都有著良好的特性與優(yōu)勢(shì)。 即使對(duì)于在機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)領(lǐng)域具有相當(dāng)經(jīng)驗(yàn)的人來說，逐個(gè)檢查所有不同的方案也是一種煎熬。你該從哪里開始？ 在Salesforce Einstein，我們必須不斷地研究市場(chǎng)以保持領(lǐng)先地位。 關(guān)于機(jī)器學(xué)習(xí)庫的前五重要的特征，以下是我們的一些觀察，開發(fā)者在決定使用哪個(gè)庫時(shí)可以參考。

1.編程范式

大多數(shù)機(jī)器學(xué)習(xí)庫，在高級(jí)設(shè)計(jì)模式中分為兩個(gè)模式：符號(hào)式（symbolic）和命令式（imperative）。

在符號(hào)式程序中，您可以從功能上定義復(fù)雜的數(shù)學(xué)計(jì)算，而無需實(shí)際執(zhí)行。它通常采用計(jì)算圖的形式。你把所有的東西放在一起，并用抽象的方式把它們連接起來，當(dāng)把真值作為輸入數(shù)據(jù)傳進(jìn)去時(shí)，它才會(huì)真正實(shí)現(xiàn)計(jì)算。這種模式的最大優(yōu)點(diǎn)是可組合性和抽象性，從而使開發(fā)人員能夠?qū)Ｗ⒂诟邔哟蔚膯栴}。效率是另外一大優(yōu)勢(shì)，因?yàn)閷⑦@些函數(shù)并行化執(zhí)行相對(duì)來說容易一些。

Apache Spark的ML庫，Spark MLlib以及任何基于Spark的庫，比如Microsoft的MMLSpark和Intel的BigDL，都遵循這種模式。有向無環(huán)圖（DAG）是計(jì)算圖的表示形式。符號(hào)式編程機(jī)器學(xué)習(xí)庫的其他例子有CNTK，具備靜態(tài)計(jì)算圖；Caffe2，使用網(wǎng)絡(luò)結(jié)構(gòu)類Net（操作符operator的計(jì)算圖）；H2O.ai；以及Keras。

在命令式編程中，一切都是先執(zhí)行的。你寫下一行代碼，當(dāng)編譯器讀取這行并執(zhí)行它時(shí)，就會(huì)發(fā)生真實(shí)的數(shù)值計(jì)算，然后移到下一行代碼。這種風(fēng)格使得創(chuàng)建模型原型更容易，因?yàn)樗`活，更容易調(diào)試，易于排除故障。 Scikit-learn是一個(gè)流行的Python庫，屬于這個(gè)類別。其他庫，如auto sklearn和TPOT是Scikit-learn的高階抽象層，也遵循這種范式。 PyTorch是另一種支持動(dòng)態(tài)計(jì)算圖的主流選擇，動(dòng)態(tài)計(jì)算圖讓整個(gè)計(jì)算流程是命令式的。

顯然，這兩種方法互有勝負(fù)，究竟選擇哪種好，是隨著用例不同而不同的。命令式編程非常適合研究，因?yàn)樗烊恢С指焖俚脑驮O(shè)計(jì) —— 允許重復(fù)迭代，試錯(cuò)和和快速反饋循環(huán) —— 而符號(hào)式編程更適合于生產(chǎn)環(huán)境的應(yīng)用。

有一些庫結(jié)合了這兩種方法，創(chuàng)建了一種混合風(fēng)格。最好的例子是MXNet，它允許符號(hào)式編程中的回調(diào)函數(shù)中插入命令式代碼，或者把符號(hào)式編程作為命令式程序的一部分。另一個(gè)更新的發(fā)展是來自Google的TensorFlow的Eager Execution。盡管最初，它只是一個(gè)具備符號(hào)式計(jì)算范式的Python庫（一個(gè)張量的靜態(tài)計(jì)算圖），但是Eager Execution并不需要一個(gè)圖，而且可以立即執(zhí)行。

? 符號(hào)式：Spark MLlib，MMLSpark，BigDL，CNTK，H2O.ai，Keras，Caffe2

? 命令式：scikit-learn，auto sklearn，TPOT，PyTorch

? 混合式：MXNet，TensorFlow

2.機(jī)器學(xué)習(xí)算法

監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)，推薦系統(tǒng)和深度學(xué)習(xí)是我們所采用的機(jī)器學(xué)習(xí)算法中常見的分類。我們需要再次強(qiáng)調(diào)，應(yīng)用場(chǎng)景（用例）將決定使用哪個(gè)庫最好。例如，如果您正在進(jìn)行大量自定義的圖像處理，如果其他條件相同的話，Caffe2將是一個(gè)不錯(cuò)的選擇。它是Caffe的進(jìn)化版，Caffe一開始把CNN應(yīng)用于圖像分類。 CNTK將是自然語言處理的一個(gè)合理選擇，因?yàn)镃NTK框架誕生于微軟的語言服務(wù)部門。另一方面，如果大多數(shù)用例是監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，Spark MLlib，scikit-learn，H2O.ai和MMLSpark也都是很好的選擇，因?yàn)樗鼈冎С执罅康谋O(jiān)督和非監(jiān)督算法。除此之外， Spark MLlib，H2O.ai和Mahout還通過提供協(xié)作過濾算法對(duì)推薦系統(tǒng)提供支持。

隨著深度學(xué)習(xí)（DL）的興起，許多較老的庫現(xiàn)在已經(jīng)顯得力不從心。 TensorFlow是首批向數(shù)據(jù)科學(xué)家提供深度學(xué)習(xí)的計(jì)算庫之一。今天，我們還有很多其他的專注于深度學(xué)習(xí)的框架可以選擇，其中包括PyTorch，Keras，MXNet，Caffe2，CNTK和BigDL。還有其他一些算法庫支持DL算法，但DL不是它們的主要功能，比如MMLSpark（用于圖像和文本學(xué)習(xí)）和H2O.ai（通過deepwater插件提供對(duì)DL的支持）。

• 有監(jiān)督和無監(jiān)督：Spark MLlib，scikit-learn，H2O.ai，MMLSpark，Mahout
• 深度學(xué)習(xí)：TensorFlow，PyTorch，Caffe2（用于處理圖片），Keras，MXNet，CNTK，BigDL，MMLSpark（用于處理圖片和文字），H2O.ai（通過deepwater插件提供支持）
• 推薦系統(tǒng)：Spark MLlib，H2O.ai（通過Sparkling Water插件提供支持），Mahout

3.硬件和性能

計(jì)算性能是為您的項(xiàng)目選擇合適的庫的關(guān)鍵標(biāo)準(zhǔn)之一。這一項(xiàng)對(duì)于專精于DL算法的庫更為重要，因?yàn)樗鼈兺怯?jì)算密集型的。

推動(dòng)DL開發(fā)的最大趨勢(shì)之一是GPU的進(jìn)步，以及GPU提供了對(duì)大型矩陣運(yùn)算的支持。所有DL庫（如TensorFlow，Keras，PyTorch和Caffe2）都支持GPU，不過許多通用庫（如MMLSpark，H2O.ai和Apache Mahout）也提供了對(duì)GPU的支持。CNTK和MXNet擁有自動(dòng)化多GPU和多服務(wù)器支持，允許用戶進(jìn)行快速地進(jìn)行跨多個(gè)GPU的分布式訓(xùn)練，而且無需任何配置。然而，TensorFlow由于比其他的DL平臺(tái)計(jì)算速度慢，而得到了一些負(fù)面評(píng)價(jià)。作為一種彌補(bǔ)，TensorFlow在其新的定制AI芯片Tensor Processing Unit（TPU）上大肆宣傳。其缺點(diǎn)是，TPU是非商品化的硬件，只能與TensorFlow一起工作，這導(dǎo)致了供應(yīng)商鎖定的現(xiàn)象。

Caffe2，MXNet和TensorFlow同時(shí)也因?qū)σ苿?dòng)計(jì)算支持而脫穎而出。所以，如果您的使用案例需要在移動(dòng)設(shè)備上進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練，那它們就會(huì)是你最好的選擇。

關(guān)于性能方面值得一提的是，大部分基于Spark構(gòu)建的庫都能夠依靠?jī)?nèi)存緩存中間數(shù)據(jù)，靠這一點(diǎn)利用Spark進(jìn)行并行集群計(jì)算，使本質(zhì)上需要『迭代』的機(jī)器學(xué)習(xí)算法運(yùn)行得更快。 Apache Mahout是一個(gè)例外，它直到最近才支持Hadoop MapReduce，并且要進(jìn)行對(duì)計(jì)算而言開銷很大的磁盤I / O操作，因此它對(duì)于迭代算法來說速度較慢。 Mahout現(xiàn)在在Spark，H2O.ai和Apache Flink上增加了對(duì)Scala語言的支持。 BigDL在Spark的生態(tài)系統(tǒng)中使用CPU實(shí)現(xiàn)DL的方法是一種新穎的方式，與傳統(tǒng)的利用GPU加速的DL庫有所不同，BigDL使用英特爾的MKL和多線程編程。

• CPU：Spark MLlib，scikit-learn，auto sklearn，TPOT，BigDL
• GPU：Keras，PyTorch，Caffe2，MMLSpark，H2O.ai，Mahout，CNTK，MXNet，TensorFlow
• 移動(dòng)計(jì)算：MXNet，TensorFlow，Caffe2

4.可解釋性

ML軟件與傳統(tǒng)軟件的區(qū)別在于，其預(yù)測(cè)行為本身或產(chǎn)出的結(jié)果不是那么可預(yù)期的。與基于規(guī)則的引擎不同，這種軟件能不斷學(xué)習(xí)到新的規(guī)則。我們?cè)赟alesforce Einstein面臨的最大挑戰(zhàn)之一，是如何持續(xù)不斷地建立對(duì)機(jī)器學(xué)習(xí)應(yīng)用的信任和信心。為什么預(yù)測(cè)影響因子X有更高的可能性轉(zhuǎn)化客戶，而影響因子Y在轉(zhuǎn)化率方面引入的可能性較低？數(shù)據(jù)集中驅(qū)動(dòng)算法進(jìn)行某些預(yù)測(cè)的數(shù)據(jù)模式是什么？我們能否將機(jī)器學(xué)習(xí)模型的這種洞察力轉(zhuǎn)化為商業(yè)行動(dòng)？

對(duì)這個(gè)問題的其他衍生問題包括，計(jì)算圖執(zhí)行時(shí)對(duì)算法評(píng)價(jià)指標(biāo)的可視化，觀察數(shù)據(jù)流并對(duì)它們進(jìn)行優(yōu)化，手工模型和/或調(diào)試模型質(zhì)量。

這是一個(gè)在機(jī)器學(xué)習(xí)中相對(duì)不成熟的領(lǐng)域，只有少數(shù)庫試圖解決這個(gè)問題。 H2O.ai推出了機(jī)器學(xué)習(xí)可解釋性，解決了這個(gè)問題的某些方面。 TensorFlow有一個(gè)稱為TensorBoard的可視化工具，它幫助數(shù)據(jù)科學(xué)家理解、優(yōu)化和調(diào)試大量的深度神經(jīng)網(wǎng)絡(luò)。Keras也通過其自身的模型可視化解決了這個(gè)問題。

雖然這些都是朝著正確方向的很好的步驟，但是為了鼓勵(lì)ML被更廣泛的接納，可解釋性領(lǐng)域還需要我們投注更多的新學(xué)，讓機(jī)器學(xué)習(xí)更加透明，減少它的黑盒性。

• 可解釋性：TensorFlow（TensorBoard），H2O.ai（機(jī)器學(xué)習(xí)可解釋性），Keras（模型可視化）

5.自動(dòng)化機(jī)器學(xué)習(xí)

可以這樣說：機(jī)器學(xué)習(xí)中最大的創(chuàng)新領(lǐng)域之一，就是自動(dòng)化的機(jī)器學(xué)習(xí)。真實(shí)世界中的機(jī)器學(xué)習(xí)不僅僅是構(gòu)建模型，還涉及到構(gòu)造數(shù)據(jù)管線，其中包括ETL，特征工程，特征選擇，模型選擇（包括超參數(shù)調(diào)優(yōu)），模型更新和模型部署。

工作流程中的許多步驟在各種應(yīng)用和數(shù)據(jù)集處理中都是通用的，并且往往有重復(fù)的傾向，這就意味著存在對(duì)流程進(jìn)行優(yōu)化和自動(dòng)化的機(jī)會(huì)。除此以外，某些工作流程特別需要數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)方面的直覺和領(lǐng)域知識(shí)，比如特征工程或深度模型調(diào)優(yōu)。這些領(lǐng)域?qū)τ跓o法獲得博士學(xué)位的人來說難以進(jìn)入。實(shí)現(xiàn)許多步驟的自動(dòng)化，可以加快數(shù)據(jù)科學(xué)家的工作效率，能夠幫助他們?cè)趲讉€(gè)小時(shí)而不是幾個(gè)月內(nèi)幫助構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用。

Auto sklearn，TPOT和H2O.ai就是建立在這個(gè)前提下的，而且針對(duì)的是有監(jiān)督分類問題。Auto sklearn使用了貝葉斯優(yōu)化進(jìn)行自動(dòng)化模型選擇和超參調(diào)整。 TPOT正在使用遺傳算法編程進(jìn)行超參調(diào)整。 TPOT和H2O.ai都包含了幾種不同級(jí)別的特征工程自動(dòng)化。 MMLSpark針對(duì)圖像和文本的特征，具備自動(dòng)化模型選擇，以及一定程度的自動(dòng)化特征工程。

無論是從廣度（數(shù)據(jù)管線中的不同階段自動(dòng)化）還是深度（單一一個(gè)數(shù)據(jù)處理階段上的智能自動(dòng)化）上，這類工具可以說是供不應(yīng)求。

• 超參數(shù)調(diào)整：auto sklearn（貝葉斯優(yōu)化），TPOT（遺傳編程）
• 有限的自動(dòng)特征工程：TPOT，H2O.ai，MMLSpark

其他注意事項(xiàng)

盡管機(jī)器學(xué)習(xí)模型在可用前需要在數(shù)據(jù)集上進(jìn)行訓(xùn)練，但是在某些情況下，我們可以訪問全球通用的數(shù)據(jù)集。比如，像ImageNet這種通用圖像數(shù)據(jù)集，完全足夠用于建立一個(gè)通用的圖像分類模型，這也被稱為預(yù)訓(xùn)練的模型。這樣的模型可以作為插件來引入，這意味著不需要數(shù)據(jù)或者訓(xùn)練。 MMLSpark，CNTK，TensorFlow，PyTorch，Keras和BigDL都為通用分類任務(wù)提供預(yù)訓(xùn)練的模型。值得注意的是，這樣的模型對(duì)于定制化用例是沒有用的。例如，一個(gè)通用的圖像分類模型，如果需要從作物田地的航拍圖像中對(duì)農(nóng)作物的類型進(jìn)行分類的話，效果就會(huì)很差，但是它能很好地將貓與狗分類。這是因?yàn)?，盡管ImageNet中存在農(nóng)作物相關(guān)的圖像，但是對(duì)于特定種類的作物，以及患上不同疾病的作物的訓(xùn)練數(shù)據(jù)是不足的，而那些數(shù)據(jù)可能剛好是化肥公司所關(guān)心的。

CNTK附帶一些方便的功能，如數(shù)據(jù)集自動(dòng)化隨機(jī)提取，以及實(shí)時(shí)在線訓(xùn)練。盡管MMLSpark是一個(gè)Scala庫，但它支持自動(dòng)生成其他語言，也就是Python和R的接口。

• 預(yù)訓(xùn)練模型：MMLSpark，CNTK，TensorFlow，PyTorch，Keras，BigDL
• 實(shí)時(shí)培訓(xùn)：CNTK
• 多語言支持：MMLSpark支持從Scala自動(dòng)生成Python / R的接口

抉擇時(shí)刻

當(dāng)您將ML構(gòu)建到產(chǎn)品中時(shí)，有多種ML庫供您選擇。盡管可能沒有一個(gè)完美的選擇，但考慮上述因素，有助于確保您為您的特定需求選擇最佳解決方案。對(duì)于擁有數(shù)千家企業(yè)客戶的企業(yè)公司來說，還有許多市場(chǎng)尚未涉足的其他挑戰(zhàn)。標(biāo)簽泄漏，也被稱為數(shù)據(jù)泄漏，一直是ML庫的致命弱點(diǎn)。這一點(diǎn)的發(fā)生是由于存在未知的業(yè)務(wù)流程，導(dǎo)致用于模型訓(xùn)練的數(shù)據(jù)集具有代表實(shí)際標(biāo)簽的字段。檢查數(shù)據(jù)是否存在泄漏，并將泄露的字段從數(shù)據(jù)中刪除是得到理想模型的關(guān)鍵。

多租戶是另一個(gè)關(guān)鍵點(diǎn) —— 我們?nèi)绾喂蚕頇C(jī)器學(xué)習(xí)平臺(tái)和資源，為多個(gè)用戶提供服務(wù)，每個(gè)用戶都有自己獨(dú)特的數(shù)據(jù)集，并導(dǎo)致完全不同的模型被訓(xùn)練？隨著數(shù)據(jù)/模型規(guī)模的不同，這個(gè)問題也不同。隨著行業(yè)繼續(xù)面臨這樣的挑戰(zhàn)，一個(gè)完整、詳盡開發(fā)的自動(dòng)ML解決方案，雖然現(xiàn)在暫時(shí)不存在，在將來可能被證明是成功的關(guān)鍵。