【我們為什麼挑選這篇文章】Google AutoML 推出時引起市場一片譁然，這將是會改變人工智慧產業的新產品。但有別於過去習慣以開源方式來處了這些案例，這次 Google 卻是以付費服務的方式推出，不服氣的工程師決定自己動手做相同產品，完成「不服來辯」的成就。（責任編輯：林子鈞）
讓神經網絡自己設計神經網絡，大降機器學習門檻的 Google AutoML，最近終於開始了 Beta 測試。
不過，很快就有同行紛紛跳出來表示不服。最新的一波來自美國德州農工大學（Texas A&M University）助理教授胡俠和他的兩名博士生：金海峰、Qingquan Song。
下圖從左到右，依次就是這三位：
他們不僅吐槽了 Google AutoML 的問題，還給出了自己的解決方案： Auto-Keras，一個基於 Keras 的 開源 自動機器學習 Python 軟件庫。
胡老師和學生們所列出的 Google AutoML 三大缺陷，簡單來說是這樣的：
第一，還得付錢。
第二，因為在雲上，還得配置 Docker 容器和 Kubernetes。
第三，服務商（Google）保證不了你數據安全和隱私。
機器學習博客 Towards Data Science 上的一篇文章，給了個更加直接的評價：太瘋狂了！以前 Google 和整個 AI 界都更喜歡開源，喜歡和所有人分享知識，現在竟然拿這個東西來賺錢？
於是，這篇文章認定，Google AutoML 會敗於開源，而德州農工的 Auto-Keras，將成為 AutoML 殺手。
Auto-Keras 是一個開源、免費的工具，和 Google 的 AutoML 功能相似，也能為深度學習模型自動搜索架構和超參數，使用的方法是高效神經架構搜索（Efficient Neural Architecture Search，簡稱 ENAS）。
其實，ENAS 方法來源於 Google Brain，是 AutoML 團隊今年 2 月提出的。胡俠和同學們在打造 Auto-Keras 的時候，對 ENAS 做了一些改造。
原來的 ENAS 基於參數共享，而 Auto-Keras 所用的，則是基於網絡態射（network morphism）。
他們為了降低 ENAS 的計算成本，引入神經網絡核和樹結構的採集函數優化算法，用貝葉斯優化來引導神經網絡的網絡態射。這樣可以在改變神經架構的同時保持神經網絡的功能，在搜索期間提高訓練效率。
想嘗試一下？安裝也很簡單：
pip install autokeras完成。
在眾多深度學習框架中，Keras 是以簡單好上手著稱的，所以，Auto-Keras 的代碼也不難理解，想要在它基礎上做一些個性化設置，可以自己調整參數。
用到最後，還能看到神經架構搜索得出的模型。
最後，附上一些傳送門 ↓
論文：
Efficient Neural Architecture Search with Network Morphism
Haifeng Jin, Qingquan Song, Xia Hu
enjoy~
AutoML
【2018 年 Google Next 大會】機器學習神境界，不用寫 Code 就可以辨識圖像
AI 新創服務的末日到了？Google 新 AI 平台，讓不懂技術的人也能玩轉人工智慧
想做機器學習模型卻不知從何著手？介紹三個 Google AI 工具給不同需求的你
（本文經合作夥伴 量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈開源的“谷歌 AutoML 殺手”來了 〉）
CIO 雲端資料管理必殺技
– 全自動化雲端資料庫升級 know how
– 利用機器學習提升資料庫管理效率
– 美國電信商 AT&T IT 管理秘技，優化企業 IT 管理的生產力！
領取 資料庫升級 COMBO 包
