木易 只想说 凹非寺 量子位 报导 | 微信公众号 QbitAI

连机器学习的编码，还可以套模（tou）版（lan）了。

如今，有一个Web应用程序，能够形成用以机器学习的模板编码（demo），现阶段适用PyTorch和scikit-learn。

另外，针对新手而言，这也是一个很好的专用工具。在免费模板中学习培训机器学习的编码，能够少走一些弯道。

这也怪不得开发人员在新项目的详细介绍中，那样写到：

这特别适合机器学习的新手！

这一名叫traingenerator的新项目，已于近期取得成功发布，并冲到了reddit的热搜榜。

这，到底是一个哪些的新项目，就要大家看来一下。

挑选实体模型和主要参数，一键生成demo

在每日任务解决上，现阶段的每日任务总体目标仅有图像分类这一种可列举。

但是，开发人员说，有更智能正在路上，例如目标检测、语义分割等每日任务总体目标。

而现阶段，Web适用的架构有PyTorch和scikit-learn，如下图所显示，在选中架构后，免费模板会全自动转换。

在PyTorch下，可应用的实体模型有：AlexNet、ResNet、DenseNet及VGG。

而在scikit-learn下，可挑选的实体模型有：Support vectors、Random forest、Perceptron、K-nearest neighbors及Decision tree。

以后，在正下方，在挑选不一样的实体模型下，还能够调整不一样的训炼主要参数。

除此之外，可键入的数据信息拥有 二种挑选：Numpy arrays和Image files。

最终，在demo輸出上，你也有三个挑选，可以各自导出来.py、Jupyter notebook和Google Colab三种格式文件。

现阶段，该新项目早已在网址发布，能够立即在网页页面上（网站链接可在文尾获得）实际操作所述內容，并立即形成demo。

运行方式

此外，假如你要想在当地运行或是部署，开发人员还暖心地出示了操作指南。

安裝

git clone https://github.com/jrieke/traingenerator.gitcd traingeneratorpip install -r requirements.txt

假如要使「在Colab中开启」起效，还必须设定一个Github repo来储存笔记本电脑文档（由于Colab只能开启Github上的公共性文档）。

设定repo后，建立一个.env文档在其中包括:

GITHUB_TOKEN=REPO_NAME=

当地运行

streamlit run app/main.py

保证 一直从traingenerator文件目录（而不是从应用程序文件目录）运行，不然应用程序将无法找到模板。

部署到Heroku

最先，安裝heroku并登陆。要建立新部署得话，便在traingenerator內部运行:

heroku creategit push heroku mainheroku open

以后，升级已部署的应用程序，递交变更并运行:

git push heroku main

假如你设定了一个Github repo来开启「在Colab中开启」按键，你要必须运行:

heroku config:set GITHUB_TOKEN=heroku config:set REPO_NAME=

检测

最终，开展检测就可以：

pytest ./tests

该Web应用程序上线，而且编码也已开源系统，很感兴趣的小伙伴们能够点一下正下方连接获得。

Web应用程序详细地址：https://traingenerator.jrieke.com/

Github详细地址：https://github.com/jrieke/traingenerator#installation

参照连接：https://www.reddit.com/r/MachineLearning/comments/kd23vg/p_traingenerator_a_web_app_to_generate_template/