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

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/