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： /uber/ludwig 文档及示例： https://uber.github.io/ludwig/
