官方网站：autokeras.com

AutoKeras：一个基于 Keras 的 AutoML 系统。 由德克萨斯农工大学的 DATA 实验室 开发。 AutoKeras 的目标是让机器学习触手可及。

学习资源

• 一个简短示例。

import autokeras as ak

clf = ak.ImageClassifier()
clf.fit(x_train, y_train)
results = clf.predict(x_test)

• 官方网站教程。
• 书籍《自动化机器学习实战》Automated Machine Learning in Action。
• LiveProjects 项目《使用 AutoKeras 进行图像分类》Image Classification with AutoKeras。

   

安装

要安装该软件包，请使用 pip 进行安装，命令如下：

pip3 install autokeras

更多详细信息请参阅 安装指南。

注意： 目前，AutoKeras 仅兼容 Python >= 3.7 和 TensorFlow >= 2.8.0。

社区

您可以在我们的 GitHub Discussions 中提出问题。

贡献代码

我们这样管理项目。

我们会从 GitHub issues 中挑选关键问题进行处理。 这些问题会被添加到此 Project 中。 其中一些问题随后会被加入到 milestones 中， 用于规划版本发布。

请参阅我们的 贡献指南 以了解最佳实践。

感谢所有贡献者！

引用本工作

Haifeng Jin、François Chollet、Qingquan Song 和 Xia Hu. “AutoKeras：用于深度学习的 AutoML 库。” 机器学习研究期刊 第 6 卷（2023 年）：1–6 页。(下载)

Biblatex 条目：

@article{JMLR:v24:20-1355,
  author  = {Haifeng Jin 和 François Chollet 和 Qingquan Song 和 Xia Hu},
  title   = {AutoKeras：用于深度学习的 AutoML 库},
  journal = {机器学习研究期刊},
  year    = {2023},
  volume  = {24},
  number  = {6},
  pages   = {1--6},
  url     = {http://jmlr.org/papers/v24/20-1355.html}
}

致谢

作者衷心感谢美国国防高级研究计划局 (DARPA) 通过 AFRL 合同 FA8750-17-2-0116 管理的 D3M 计划；以及德克萨斯农工大学工程学院和德克萨斯农工大学。

AutoKeras 快速上手指南

AutoKeras 是一个基于 Keras 的自动化机器学习（AutoML）系统，由德州农工大学 DATA Lab 开发。它旨在让每个人都能轻松使用机器学习，自动搜索最优的神经网络架构。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：>= 3.7
• 核心依赖：TensorFlow >= 2.8.0

提示：国内用户建议使用清华或阿里镜像源加速 Python 包和 TensorFlow 的安装。

安装步骤

使用 pip 即可快速安装 AutoKeras：

pip3 install autokeras

如果需要指定国内镜像源加速安装，可以使用以下命令：

pip3 install autokeras -i https://pypi.tuna.tsinghua.edu.cn/simple

更多详细的安装配置请参考官方安装指南：autokeras.com/install

基本使用

AutoKeras 的核心优势在于极简的 API。以下是一个图像分类任务的完整示例，仅需三行代码即可完成模型训练与预测：

import autokeras as ak

# 初始化图像分类器
clf = ak.ImageClassifier()

# 自动搜索架构并训练模型 (x_train, y_train 需为符合格式的数据)
clf.fit(x_train, y_train)

# 使用训练好的模型进行预测
results = clf.predict(x_test)

说明：

• ak.ImageClassifier() 会自动为您寻找最适合图像的神经网络结构。
• fit 方法内部包含了数据预处理、模型搜索和训练的全过程。
• 支持的任务类型还包括文本分类、回归分析、结构化数据分类等，用法类似。

更多详细教程请访问：autokeras.com/tutorial