雷鋒網(wǎng) AI 科技評(píng)論按：近日，谷歌 AI 研究員、Keras 作者 Francois Chollet 在個(gè)人推特上發(fā)布一項(xiàng)關(guān)于 Kaggle 冠軍隊(duì)伍使用框架的調(diào)查結(jié)果，并對(duì)結(jié)果做了簡(jiǎn)要點(diǎn)評(píng)。我們將原文編譯如下。

Kaggle 冠軍隊(duì)伍最愛使用的機(jī)器學(xué)習(xí)工具是哪些？為此，我們對(duì) 2016 年以來那些排名在前 5 的團(tuán)隊(duì)進(jìn)行了調(diào)查。第一個(gè)問題問的就是最愛使用哪些初級(jí)框架，很開心看到這些冠軍隊(duì)伍更青睞于 Keras。

第二個(gè)問題是關(guān)于二級(jí)框架的選擇，因?yàn)閳F(tuán)隊(duì)的勝利一般離不開各種 ML 框架的集合。最終結(jié)果顯示， Sklearn 排名第一，這說明很多人都傾向于使用 sklearn ——雖然很多時(shí)候只是作為輔助框架，用于預(yù)處理或評(píng)分。

我們分別從 2018 年數(shù)據(jù)庫(kù)獲得 59 個(gè)數(shù)據(jù)點(diǎn)、2017 年數(shù)據(jù)庫(kù)獲得 48 個(gè)數(shù)據(jù)點(diǎn)、2016 年數(shù)據(jù)庫(kù)獲得 13 個(gè)數(shù)據(jù)點(diǎn)——這意味著數(shù)據(jù)非常新。這些有趣的結(jié)果隨之引出了一個(gè)問題：這純屬個(gè)人偏好嗎？還有沒有其他更多選擇？為此，我們?cè)噲D找到一個(gè)明確的模式。

贏得比賽或者發(fā)表論文很少是奔著成就最聰明或最好想法的目的。多數(shù)情況下，這是一場(chǎng)關(guān)于改進(jìn)想法的游戲。獲獎(jiǎng)?wù)呤潜绕渌藝L試過更多東西的人，因而得以進(jìn)一步完善最初想法。他們經(jīng)歷更多的「進(jìn)展循環(huán)」- 從一個(gè)想法開始、過渡到實(shí)施、再到可行結(jié)果。換句話說，獲勝隊(duì)伍能夠更快地完成這個(gè)循環(huán)罷了。

這也是 Keras 所能賦予你的優(yōu)勢(shì)。

我們經(jīng)常在探討如何遵循最佳用戶體驗(yàn)進(jìn)行 API 設(shè)計(jì)，使 Keras 更易于訪問與使用，并對(duì)初學(xué)者們產(chǎn)生幫助。在現(xiàn)實(shí)中，我們發(fā)現(xiàn)從優(yōu)秀產(chǎn)品體驗(yàn)中受益最多的并非初學(xué)者，而是世界上最優(yōu)秀的那批從業(yè)者們。這是因?yàn)閮?yōu)秀的用戶體驗(yàn)?zāi)軌蛴行p少設(shè)置新實(shí)驗(yàn)所需的開銷（開發(fā)與認(rèn)知層面的）。這也意味著，你能夠更快地進(jìn)行迭代，并嘗試更多想法。最終，這將成為你贏得比賽或發(fā)表論文的方式。

我的總結(jié)是，Kaggle 冠軍隊(duì)伍之所以以壓倒性優(yōu)勢(shì)選擇了 Keras，并非僅僅出于個(gè)人偏好，而是使用 Keras 能夠提高獲勝的機(jī)率。反之，那些采用快速實(shí)驗(yàn)策略的人擁有更大的機(jī)率選擇 Keras。

雷鋒網(wǎng) AI 科技評(píng)論雷鋒網(wǎng)                                  

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。