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=
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=
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/