機器學習也能套模版：在線選擇模型和參數(shù)，一鍵生成demo
本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。
連機器學習的代碼，也可以套模（tou）版（lan）了。
現(xiàn)在，有一個Web應用程序，可以生成用于機器學習的模板代碼（demo），目前支持PyTorch和scikit-learn。
同時，對于初學者來說，這也是一個非常好的工具。在模版中學習機器學習的代碼，可以少走一些彎路。
這也難怪開發(fā)者在項目的介紹中，這樣寫道：
這非常適合機器學習的初學者！
這個名為traingenerator的項目，已于最近成功上線，并沖上了reddit的熱榜。
這，究竟是一個什么樣的項目，就讓我們來看一下。
選擇模型和參數(shù)，一鍵生成demo
在任務處理上，目前的任務目標只有圖像分類這一種可供選擇。
不過，開發(fā)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支持的框架有PyTorch和scikit-learn，如下圖所示，在選定框架后，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。
之后，在下方，在選擇不同的模型下，還可以調節(jié)不同的訓練參數(shù)。
此外，可輸入的數(shù)據(jù)有著兩種選擇：Numpy arrays和Image files。
最后，在demo輸出上，你也有三個選擇，能夠分別導出.py、Jupyter notebook和Google Colab三種文件格式。
目前，該項目已經(jīng)在網(wǎng)站上線，可以直接在網(wǎng)頁上（網(wǎng)頁地址可在文末獲?。┎僮魃鲜鰞?nèi)容，并直接生成demo。
運行方法
另外，如果你想要在本地運行或者部署，開發(fā)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中打開」生效，還需要設置一個Github repo來存儲筆記本文件（因為Colab只能打開Github上的公共文件）。
設置repo后，創(chuàng)建一個.env文件其中包含:
- GITHUB_TOKEN=<your-github-access-token>
- REPO_NAME=<user/notebooks-repo>
本地運行
- streamlit run app/main.py
確?？偸菑膖raingenerator目錄（而不是從應用程序目錄）運行，否則應用程序將無法找到模板。
部署到Heroku
首先，安裝heroku并登錄。要創(chuàng)建新部署的話，便在traingenerator內(nèi)部運行:
- heroku create
- git push heroku main
- heroku open
之后，更新已部署的應用程序，提交更改并運行:
- git push heroku main
如果你設置了一個Github repo來啟用「在Colab中打開」按鈕，你還需要運行:
- heroku config:set GITHUB_TOKEN=<your-github-access-token>
- heroku config:set REPO_NAME=<user/notebooks-repo>
測試
最后，進行測試即可：
- pytest ./tests
該Web應用程序上線了，并且代碼也已開源，感興趣的小伙伴可以點擊下方鏈接獲取。
Web應用程序地址：
https://traingenerator.jrieke.com/
Github地址：
https://github.com/jrieke/traingenerator#installation
