2018年12月14日，IBM发布了NeuNetS，这是一项全新的功能，可解决在广泛的业务领域中开发最新AI模型的技能差距。NeuNetS使用AI比以往更快，更轻松地自动综合深度神经网络模型，从而扩大了公司和中小企业对AI的采用。通过完全自动化AI模型的开发和部署，NeuNetS允许非专业用户在不牺牲准确性的情况下，仅花费今天的一小部分就为特定任务和数据集构建神经网络。

(资料图)

自动化需求

人工智能正在改变企业的工作方式和创新方式。人工神经网络可以说是当前可用于数据科学家的最强大的工具。但是，尽管只有一小部分数据科学家具有创建高性能神经网络所需的技能和经验。从无到有，同时需求远远超过了供应。结果，即使在概念验证阶段，大多数企业都在努力快速有效地获得新的神经网络，该神经网络在结构上是定制设计的，可以满足其特定应用程序的需求。因此，通过自动设计给定数据集的神经网络架构来弥合这种技能差距的技术越来越重要。NeuNetS引擎将AI引入了这一渠道，以快速跟踪结果。使用AI进行AI模型开发会为AI技术的开发带来新的且迫切需要的可扩展性。

在NeuNetS的引擎盖下

NeuNetS在带有Kubernetes的IBM Cloud上部署的完全容器化环境上运行。该体系结构旨在最大程度地减少人机交互，自动执行用户工作负载并改善使用率。用户无需编写代码或具有现有深度学习框架的经验：从数据集的提取和预处理到架构搜索培训和模型部署，一切都是自动化的。随着AI自动化领域的快速发展，系统需要能够采用最新方法，并且对运行服务的影响最小。因此，我们将NeuNetS框架设计为灵活且模块化的，以便可以随时包含新的强大算法。NeuNetS利用了现有的IBM资产，例如DLaaS，HPO和WML。

前沿研究技术

NeuNetS算法旨在创建新的神经网络模型，而无需重新使用预先训练的模型。这使我们能够探索广阔的网络体系结构配置空间，同时针对用户提供的特定数据集微调模型。

NeuNetS算法产品组合包括最近发布的作品的增强版本，例如TAPAS [3]，NCEvolve [4]和HDMS [5]，以及细粒度的优化器引擎。这些算法相对于文献和实践中的最新技术向前迈进了一步，解决了诸如数据集通用性和性能可伸缩性等基本问题。TAPAS是一种非常快速的神经网络合成器，它依靠预生成的地面真相和智能预测机制来执行接近传递学习的方法。NCEvolve综合了性能最高的网络，从而最大限度地减少了培训时间和资源需求。HDMS将改进版本的超频带与强化学习相结合，以合成针对不太常见的数据集量身定制的网络。最后但并非最不重要的，

NeuNetS的未来

基于多种优化算法和模块化体系结构，NeuNetS可以适应各种模型综合方案。下一步是使用户不仅可以更新数据，还可以决定为模型综合分配多少时间和多少资源，以及可选地模型的最大大小和目标部署平台。在这方面，物联网和时间序列分析工作负载将发挥重要作用。为了使用户能够有效地使用综合模型，我们正在创建创新的可视化功能，以比较关键模型特征，包括性能，尺寸和类型。为了在模型部署后继续为用户提供帮助并增强他们对AI的信任，我们正在研究可改善在AI生命周期中对模型结构和行为的可见性的技术。

立即尝试NeuNetS

NeuNetS beta作为IBM OpenCloud产品的一部分，可以在IBM Cloud的Watson Studio中获得。该第一版提供了用于图像和文本分类的模型合成，其性能类似于手工神经网络。在过去的十年中，视觉工作负载一直是激烈的研究，开发和竞争的主题，因此代表着一个艰难的基准。相比之下，文本的高精度模型今天还没有广泛使用，NeuNetS将帮助非专业用户从该领域的最新技术中获利。

关键词： 神经网络 工作负载 最新技术 体系结构