摘要：?背景介紹 如果你用過機(jī)器學(xué)習(xí)算法，那一定體驗被算法調(diào)參支配的恐怖。面對錯綜復(fù)雜的算法參數(shù)，算法使用者們往往要花費無盡的黑夜去不斷嘗試，猶如大海撈針。有的時候加班到深夜，終于找到了一個靠譜的參數(shù)組合，然而找到的參數(shù)組合真的是最優(yōu)的么？天知道。

背景介紹

如果你用過機(jī)器學(xué)習(xí)算法，那一定體驗被算法調(diào)參支配的恐怖。面對錯綜復(fù)雜的算法參數(shù)，算法使用者們往往要花費無盡的黑夜去不斷嘗試，猶如大海撈針。有的時候加班到深夜，終于找到了一個靠譜的參數(shù)組合，然而找到的參數(shù)組合真的是最優(yōu)的么？天知道。

然而在搭建機(jī)器學(xué)習(xí)鏈路的過程中，往往不止調(diào)參這一步耗時耗力。好不容易生成了算法模型，怎么把模型部署成服務(wù)供手機(jī)、PC這些終端調(diào)用也是困擾開發(fā)同學(xué)的一大難題。有的時候，為了打通這樣的鏈路，要耗費整晚的時間調(diào)試不同格式的模型和服務(wù)端的關(guān)聯(lián)。

人工智能服務(wù)在便捷了人類生活的同時，能不能也為廣大算法工程師提供人性化的開發(fā)環(huán)境呢？減少黑眼圈是算法工程師共同的心愿。對于這個問題，PAI給出了答案，今日PAI重磅發(fā)布全套自動化機(jī)器學(xué)習(xí)引擎，用機(jī)器學(xué)習(xí)的方式解決機(jī)器學(xué)習(xí)流程的問題。

AutoML整體介紹

下面看看什么是PAI-AutoML， AutoML顧名思義，就是將機(jī)器學(xué)習(xí)整個流程做到自動化。機(jī)器學(xué)習(xí)數(shù)據(jù)上傳之后的流程大致可以分為3個步驟：模型訓(xùn)練、模型評估、模型部署。

PAI自動調(diào)參

PAI自動調(diào)參功能對于資深算法使用者以及算法小白都有很大價值：

• 針對小白用戶：小白用戶不清楚每種算法參數(shù)在算法計算過程中的數(shù)學(xué)原理，往往對調(diào)參一頭霧水，所以自動調(diào)參可以快速幫助這部分用戶解決問題

• 針對資深用戶：資深用戶對于調(diào)參往往有一定經(jīng)驗，但是這種經(jīng)驗往往只能在大方向上指導(dǎo)調(diào)參工作，對于一些細(xì)節(jié)參數(shù)仍需要不斷重復(fù)去嘗試。比如一個參數(shù)范圍0~100，資深用戶可以通過經(jīng)驗確定參數(shù)設(shè)置為90或者80的結(jié)果，但是在更小粒度上，比如81和82哪個對結(jié)果更好，資深用戶也需要手動去實驗。而自定調(diào)參功能可以代替這部分的重復(fù)性勞動。

目前行業(yè)中主流的調(diào)參思想主要是基于Parallel Search，以grid search和random search為代表，系統(tǒng)通過隨機(jī)原理，不斷采樣可能的參數(shù)組合，通過不停迭代去嘗試找到最優(yōu)的參數(shù)組，每次探索的過程彼此獨立。優(yōu)勢是不容易陷入局部最優(yōu)解，可以在更廣闊的參數(shù)空間探索。劣勢是每次探索都是隨機(jī)性的，缺乏信息的積累過程，耗費計算資源。

PAI提供了原創(chuàng)的Evolutionary Optimizer進(jìn)化式的調(diào)參方法，讓模型的每一次迭代都自動在上一輪較優(yōu)的參數(shù)集區(qū)間中進(jìn)行開發(fā)，內(nèi)置的高效算法可以快速的幫你找到最合適的參數(shù)組合，大大減少計算資源消耗以及參數(shù)探索的次數(shù)。你要做的只是泡上一壺茶，靜靜等待奇跡的降臨。

PAI進(jìn)化式調(diào)參迭代效果圖，可以清楚地看到每一輪迭代對于效果的提升：

PAI模型自動評估

PAI AutoML提供多維度的算法評估方法，只要在F1Score、Precision、Recall、AUC中選擇自己所需要的評估指標(biāo)，系統(tǒng)會自動完成模型評估工作并將服務(wù)下發(fā)到下游的訓(xùn)練環(huán)境，所有評估流程完全不需人工參與。

模型排序表：

模型下發(fā)配置：

PAI模型一鍵發(fā)布

生成了模型，可以在PAI平臺一鍵將模型發(fā)布成API服務(wù)。只要點擊部署按鈕，就會列出當(dāng)前實驗可部署的模型，選擇需要的模型就可以一鍵完成部署，是不是很簡單。

部署完成后會自動跳轉(zhuǎn)到在線服務(wù)管控平臺，在這里可以進(jìn)行全部的模型管理相關(guān)工作。

客戶案例

PAI-AutoML看上去很厲害，是不是真正能幫助到用戶的業(yè)務(wù)呢，下面看下PAI在阿里云平臺上用戶使用之后的反饋。先介紹下客戶：椰子傳媒是一家專注在移動原生交互視頻廣告的公司，在獎勵視頻行業(yè)深耕了2年多，隨著業(yè)務(wù)規(guī)模的增長，多平臺、多渠道，多模式下的智能投放效率問題越來越突出。

椰子科技技術(shù)負(fù)責(zé)人說：阿里PAI平臺提供了一個低門檻、快速上手的服務(wù)能力，使得業(yè)務(wù)可以快速的對接到基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)平臺上，有力的推動公司業(yè)務(wù)的快速發(fā)展?；赑AI AutoML引擎，可以讓我們更快速的在不同平臺和模式下定位目標(biāo)用戶。

椰子傳媒通過使用PAI AutoML引擎，調(diào)參服務(wù)幫助模型提升精度40%，自動化部署預(yù)計全部業(yè)務(wù)上線后可達(dá)千萬次，節(jié)省人力20%-30%，最重要的是將業(yè)務(wù)構(gòu)建在機(jī)器學(xué)習(xí)服務(wù)平臺的時間縮短了至少半年時間。

架構(gòu)圖：

總結(jié)

PAI AutoML引擎擬在最大限度上減少機(jī)器學(xué)習(xí)業(yè)務(wù)搭建成本，目前上線的模型訓(xùn)練參數(shù)調(diào)優(yōu)和模型一鍵自動部署服務(wù)已經(jīng)在節(jié)約人力開銷方面提供幫助。未來PAI平臺還會在這個方向繼續(xù)投入，真正做到讓機(jī)器學(xué)習(xí)不再是個高門檻技術(shù)，讓人工智能觸手可及。?

原文鏈接

本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。