985硕士自曝“月薪过万”工作难找

什么是包管理器?

简单来说，“ 包管理器(package manager)”(或“软件包管理器”)是一种工具，它允许用户在操作系统上安装、删除、升级、配置和管理软件包。软件包管理器可以是像“软件中心”这样的图形化应用，也可以是像 apt-get 或 pacman 这样的命令行工具。

你会发现我经常在教程和文章中使用“包”这个词。要了解包管理器，你必须了解什么是包。

什么是包?

一个“ 包(package)”(或“软件包”)通常指的是一个应用程序，它可以是一个 GUI 应用程序、命令行工具或(其他软件程序需要的)软件库。包本质上是一个存档文件，包含二进制可执行文件、配置文件，有时还包含依赖关系的信息。

在旧时代， 软件曾经是从它的源代码安装的 。你会参考一个文件(通常命名为 README)，看看它需要什么软件组件、二进制文件的位置。它通常包括一个配置脚本或 Makefile。你必须自己编译该软件或自己处理所有的依赖关系(有些软件需要安装其他软件)。

为了摆脱这种复杂性，Linux 发行版创建了自己的打包格式，为终端用户提供随时可用的二进制文件(预编译软件)，以便安装软件，同时提供一些 元数据 (版本号、描述)和依赖关系。

这就像烤蛋糕与买蛋糕一样。
 

应该使用哪一个自动库呢?

• 如果你首选整洁、简单的界面和相对快速的结果，请使用auto-sklearn。可以与sklearn的自然集成，与常用的模型和方法一起使用。
• 如果注重的是高精确度而不介意训练所需消耗时间较长，可以使用TPOT。可通过用树状结构代表管道而达成其强调的先进预处理方法，它还能额外输出最佳模型的Python代码。
• 如果注重高精确度而不介意潜在的较长训练时间，则使用HyperOpt-sklearn，强调模型的超参数优化是否有成效取决于数据集和算法。
• 如果你的问题涉及神经网络，特别是文本或图像形式的问题，请使用AutoKeras。其训练确实需要很长时间，但有大量的措施可以控制时间和搜索空间的大小。

想实现自动化，千万不要错过这四个库。
 

构建HyperOpt-sklearn模型的文档提到，它比auto-sklearn要复杂得多，比TPOT稍微复杂一点。但如果超参数的作用很重要，那么多余的繁琐工作也是值得的。

4.AutoKeras

与标准的机器学习库相比，神经网络和深度学习要强大得多，因此也更难实现自动化。

• 使用AutoKeras，神经结构搜索算法会找到最好的结构，比如一层中的神经元数量，层的数量，要合并的层，层的特定参数，比如过滤器的大小或Dropout中丢失的神经元的百分比等等。一旦搜索完成，就可以将其当作一个普通的TensorFlow/Keras模型来使用这个模型。
• 通过使用AutoKeras，你可以构建一个包含复杂元素的模型，比如嵌入和空间缩减，否则那些仍在摸索深度学习的人将很难获得这些元素。
• 当AutoKeras创建模型时，已完成并优化许多预处理，如向量化或清理文本数据。
• 启动和训练搜索只需要两行代码。而AutoKeras拥有一个类似于keras的界面，所以它易于记忆和使用。

AutoKeras支持文本、图像和结构化数据，并为初学者和那些希望深入技术知识的人提供接口，AutoKeras使用进化神经结构搜索方法来消除困难和歧义。尽管AutoKeras运行的时间很长，但有许多用户指定的参数可用来控制运行时间、探索的模型数量、搜索空间大小等。

（编辑：保山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!