Amazon Web Services Inc.今天 启动了一个新的开源库，以帮助开发人员仅用几行代码即可编写使用图像，文本或表格数据集的基于机器学习的应用程序。
 

构建依赖于此类数据的机器学习应用程序并非易事。例如，开发人员需要知道如何调整代表构建AI模型时所做选择的“超参数”。他们还需要解决诸如神经体系结构搜索之类的问题，这使他们能够为其机器学习模型找到最佳的体系结构设计。

AutoGluon可以自动执行许多复杂的任务，并且可以通过自动调整默认范围内的选择来创建新的机器盈利模型，而该代码只需三行代码即可完成，该范围在已知范围内可以很好地完成特定任务。开发人员所要做的就是指定他们希望模型训练的速度，AutoGluon将在给定的时间内提出最强大的模型。
 

亚马逊表示，AutoGluon可以识别包括图像和文本分类，对象检测和表格预测在内的任务模型。它还具有一个应用程序编程接口，供经验丰富的开发人员使用，以改善模型的预测性能。

AWS应用科学家Jonas Mueller在一份声明中说：“我们开发了AutoGluon，以真正使机器学习民主化，并将深度学习的力量提供给所有开发人员。” “ AutoGluon解决了这个问题，因为所有选择都在默认范围内自动调整，这些默认范围对于特定任务和模型表现良好。”
 

星座研究公司(Constellation Research Inc.)分析师Holger Mueller告诉SiliconANGLE，许多企业缺乏开发人员才能快速构建新的机器学习模型，因此对简化过程的工具有很大的需求。

Mueller说：“亚马逊的AutoGluon是朝这个方向迈出的关键一步，使开发人员能够在AWS的云基础架构上使用先进的AI技术。” “通过CPU限制搜索最合适的模型的能力特别有价值，因为对预算和时间的实际限制也适用于AI解决方案。现在，所有关于在开发人员群中采用AutoGluon的事情都将成为现实。毋庸置疑，争夺AI领导地位的斗争不会被开发者所赢得，而是要让那些精通技术的商业用户能够利用AI。

AutoGluon只是AWS的最新产品，它可以使机器学习民主化。该公司最近更新了SageMaker工具，以持续训练机器学习模型并将其部署到云和边缘环境。更新内容包括SageMaker Studio(模型培训和工作流管理工具，可收集模型使用的所有代码和笔记本并将其保存在一个地方)和SageMaker Autopilot(可通过自动选择最佳算法并针对特定任务进行调整来自动创建模型) 。