AutoKeras

简介

        AutoKeras是一个开源的，基于Keras的自动机器学习（AutoML）库。它是一个用于自动化机器学习的开源软件库，提供自动搜索深度学习模型的架构和超参数的功能。相比于传统的机器学习方法，AutoKeras可以自动处理特征工程、模型选择、超参数调优等步骤，大大减少了繁琐的手动操作。

        AutoKeras旨在简化机器学习模型的开发过程，其基于Keras构建，并提供了一套高级API，使得模型的训练和调优过程更加简单。它的设计初衷是帮助开发者节省时间和精力，同时提高模型性能。

特点

• 高效：基于ENAS的方法，ENAS是NAS的最新版本，这使得AutoKeras具有高效的特点。
• 安装简单：使用pip命令进行安装，安装过程相对简单。
• 参数可调：提供了高级API，使得模型的训练和调优过程更加简单。
• 易修改：由于其自动化特性，可以大大减少手动操作，从而使得模型的开发和修改过程更加便捷。
• 基于Keras：AutoKeras基于非常易于使用的深度学习数据库Keras，使得使用者能够更快速地开发和测试模型。

安装 

pip install git+https://github.com/keras-team/keras-tuner.git
pip install autokeras

示例 

使用AutoKeras创建一个图像分类器，并使用MNIST数据集进行训练和评估 

import numpy as np
import autokeras as ak


# 加载MNIST数据集(这里我加载的是本地的MNIST数据集)
data=np.load('/Users/MNIST_data/mnist.npz',allow_pickle=True) # 将训练集和测试集分别赋值给x_train, y_train, x_test, y_test

# 数据预处理
x_train, y_train = data['x_train'], data['y_train']
x_test, y_test = data['x_test'], data['y_test']

x_train = x_train.astype('float32') / 255  # 将训练集的图像数据归一化到0-1之间
x_test = x_test.astype('float32') / 255  # 将测试集的图像数据归一化到0-1之间

# 创建AutoKeras分类器
clf = ak.ImageClassifier(overwrite=True, max_trials=3)  # 创建一个AutoKeras图像分类器，设置覆盖已有模型为True，最大尝试次数为3

# 训练模型
clf.fit(x_train, y_train, validation_split=0.2)  # 使用训练集训练模型，验证集比例为0.2

# 评估模型
accuracy = clf.evaluate(x_test, y_test)  # 使用测试集评估模型的准确性
print("测试准确率：", accuracy)  # 打印测试准确率