首頁 > 遊戲
這個模版程式碼可以在機器學習中學習程式碼,並且還能幫你少走一些彎路
由 量子位 發表于 遊戲2021-05-12
簡介要建立新部署的話,便在traingenerator內部執行:heroku creategit push heroku mainheroku open之後,更新已部署的應用程式,提交更改並執行:git push heroku main如果你設
尋訪引數模型怎麼來的
木易 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
連機器學習的程式碼,也可以套模(tou)版(lan)了。
現在,有一個Web應用程式,可以生成用於機器學習的模板程式碼(demo),目前支援PyTorch和scikit-learn。
同時,對於初學者來說,這也是一個非常好的工具。在模版中學習機器學習的程式碼,可以少走一些彎路。
這也難怪開發者在專案的介紹中,這樣寫道:
這非常適合機器學習的初學者!
這個名為
traingenerator
的專案,已於最近成功上線,並衝上了reddit的熱榜。
這,究竟是一個什麼樣的專案,就讓我們來看一下。
選擇模型和引數,一鍵生成demo
在任務處理上,目前的任務目標只有
影象分類
這一種可供選擇。
不過,開發者說,有更多功能正在路上,比如目標檢測、語義分割等任務目標。
而目前,Web支援的框架有
PyTorch
和
scikit-learn
,如下圖所示,在選定框架後,模版會自動變換。
在PyTorch下,可使用的模型有:AlexNet、ResNet、DenseNet及VGG。
而在scikit-learn下,可選擇的模型有:Support vectors、Random forest、Perceptron、K-nearest neighbors及Decision tree。
之後,在下方,在選擇不同的模型下,還可以調節不同的訓練引數。
此外,可輸入的資料有著兩種選擇:
Numpy arrays
和
Image files
。
最後,在demo輸出上,你也有三個選擇,能夠分別匯出
.py
、
Jupyter notebook
和
Google Colab
三種檔案格式。
目前,該專案已經在網站上線,可以直接在網頁上(網頁地址可在文末獲取)操作上述內容,並直接生成demo。
執行方法
另外,如果你想要在本地執行或者部署,開發者還貼心地提供了使用指南。
安裝
git clone https://github。com/jrieke/traingenerator。git
cd traingenerator
pip install -r requirements。txt
如果要使「在Colab中開啟」生效,還需要設定一個Github repo來儲存筆記本檔案(因為Colab只能開啟Github上的公共檔案)。
設定repo後,建立一個。env檔案其中包含:
GITHUB_TOKEN=
REPO_NAME=
本地執行
streamlit run app/main。py
確保總是從traingenerator目錄(而不是從應用程式目錄)執行,否則應用程式將無法找到模板。
部署到Heroku
首先,安裝heroku並登入。要建立新部署的話,便在traingenerator內部執行:
heroku create
git push heroku main
heroku open
之後,更新已部署的應用程式,提交更改並執行:
git push heroku main
如果你設定了一個Github repo來啟用「在Colab中開啟」按鈕,你還需要執行:
heroku config:set GITHUB_TOKEN=
heroku config:set REPO_NAME=
測試
最後,進行測試即可:
pytest 。/tests
該Web應用程式上線了,並且程式碼也已開源,感興趣的小夥伴可以點選下方連結獲取。
Web應用程式地址:
https://traingenerator。jrieke。com/
Github地址:
https://github。com/jrieke/traingenerator#installation
參考連結:
https://www。reddit。com/r/MachineLearning/comments/kd23vg/p_traingenerator_a_web_app_to_generate_template/