连机器学习的代码,也可以套模(tou)版(lan)了。
现在,有一个Web应用程序,可以生成用于机器学习的模板代码(demo),目前支持PyTorch和scikit-learn。
同时,对于初学者来说,这也是一个非常好的工具。在模版中学习机器学习的代码,可以少走一些弯路。
这也难怪开发者在项目的介绍中,这样写道:
这非常适合机器学习的初学者!
这个名为traingenerator的项目,已于最近成功上线,并冲上了reddit的热榜。
这,究竟是一个什么样的项目,就让我们来看一下。
选择模型和参数,一键生成demo
在任务处理上,目前的任务目标只有图像分类这一种可供选择。
不过,开发者说,有更多功能正在路上,比如目标检测、语义分割等任务目标。
而目前,Web支持的框架有PyTorch和scikit-learn,如下图所示,在选定框架后,模版会自动变换。
在PyTorch下,可使用的模型有:AlexNet、ResNet、DenseNet及VGG。
而在scikit-learn下,可选择的模型有:Support vectors、Random forest、Perceptron、K-nearest neighbors及Decision tree。
之后,在下方,在选择不同的模型下,还可以调节不同的训练参数。
此外,可输入的数据有着两种选择:Numpy arrays和Image files。
最后,在demo输出上,你也有三个选择,能够分别导出.py、Jupyter notebook和Google Colab三种文件格式。
目前,该项目已经在网站上线,可以直接在网页上(网页地址可在文末获取)操作上述内容,并直接生成demo。
运行方法
另外,如果你想要在本地运行或者部署,开发者还贴心地提供了使用指南。
安装
git clone https://github.com/jrieke/traingenerator.git cd traingenerator pip install -r requirements.txt
如果要使「在Colab中打开」生效,还需要设置一个Github repo来存储笔记本文件(因为Colab只能打开Github上的公共文件)。
设置repo后,创建一个.env文件其中包含:
GITHUB_TOKEN= REPO_NAME=《user/notebooks-repo》
本地运行
streamlit run app/main.py
确保总是从traingenerator目录(而不是从应用程序目录)运行,否则应用程序将无法找到模板。
部署到Heroku
首先,安装heroku并登录。要创建新部署的话,便在traingenerator内部运行:
heroku create git push heroku main heroku open
之后,更新已部署的应用程序,提交更改并运行:
git push heroku main
如果你设置了一个Github repo来启用「在Colab中打开」按钮,你还需要运行:
heroku config:set GITHUB_TOKEN= heroku config:set REPO_NAME=《user/notebooks-repo》
测试
最后,进行测试即可:
pytest 。/tests
该Web应用程序上线了,并且代码也已开源,感兴趣的小伙伴可以点击下方链接获取。
Web应用程序地址:
https://traingenerator.jrieke.com/
Github地址:
https://github.com/jrieke/traingenerator#installation
-
参数
+关注
关注
11文章
1783浏览量
32082 -
模型
+关注
关注
1文章
3162浏览量
48708 -
机器学习
+关注
关注
66文章
8375浏览量
132398
发布评论请先 登录
相关推荐
评论