机器学习也能套模版:在线选择模型和参数,一键生成demo
木易 发自 凹非寺
量子位 报道 | 公众号 QbitAI
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=<your-github-access-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=<your-github-access-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
参考链接:
https://www.reddit.com/r/MachineLearning/comments/kd23vg/p_traingenerator_a_web_app_to_generate_template/
— 完 —
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。
AI落地最佳参考!
2020中国人工智能年度评选结果揭晓
12月16日,量子位MEET 2021智能未来大会现场,50大领航企业、10大明星创业公司、30大商业领军人物、10大最佳产品、10大最佳解决方案、5大社会责任榜样、5大最佳技术社区等年度奖项悉数颁出。
点击图片查看完整榜单:
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见~
机器学习也能套模版:在线选择模型和参数,一键生成demo相关推荐
- 机器学习(MACHINE LEARNING)MATLAB人口增长模型logistic参数确定
文章目录 1 Logistic函数(又称sigmoid函数) 2 logistic回归模型 3 logistic 人口增长模型的参数确定 1 Logistic函数(又称sigmoid函数) Logis ...
- 营业执照在线一键生成_如何在线制作证件照?证件照一键生成的方法
如何在线制作证件照?每一年的毕业季也是就业季,几百多万的大学生都面临着找工作,而在工作之前必须准备好证件照,这样方便参加面试和入职.随着市场需求的逐步扩大,很多便捷的软件和网站都被设计出来了,比如小编 ...
- 机器学习因子:在线性因子模型中捕捉非线性
本文由BigQuant翻译来自于MSCI研究,原文标题为<机器学习因子:在线性因子模型中捕捉非线性> 作者:George Bonne, Jun Wang, Howard Zhang 发表时 ...
- java 网站源码 四套模版 兼容手机平板PC 在线编辑模版 freemaker 静态引擎
前台: 支持四套模版, 可以在后台切换 点击:获取地址 QQ 313596790 官网 http://www.fhadmin.org/ 系统介绍: 1.网站后台采用主流的 SSM 框架 jsp JST ...
- 机器学习如何选择模型 机器学习与数据挖掘区别 深度学习科普
今天看到这篇文章里面提到如何选择模型,觉得非常好,单独写在这里. 更多的机器学习实战可以看这篇文章:http://www.cnblogs.com/charlesblc/p/6159187.html 另 ...
- 机器学习的练功方式(五)——模型选择及调优
文章目录 5 模型选择及调优 5.1 数据增强 5.2 过拟合 5.3 交叉验证 5.4 超参数搜索--网格搜索 5 模型选择及调优 5.1 数据增强 有时候,你和你的老板说你数据不够,它是不会理你的 ...
- 机器学习入门笔记(一):模型性能评价与选择
文章目录 一.训练误差与测试误差 1.1 基本概念 1.2 训练误差 1.3 泛化误差(测试误差) 1.4 过拟合 二.模型评估方法 2.1 留出法(hold-out) 2.2 正则化 2.3 交叉验 ...
- 机器学习(十二)如何选择学习模型以及如何评估和优化你的学习模型?
如何评估和优化你的学习算法以及学习模型如何选择? 前言 : 前面我们学习了线性回归,逻辑回归,神经网络等相关的机器学习算法,那么你如何评价你的算法好坏?如果你的算法执行结果并不是令人满意的结果,那么你 ...
- 《机器学习》周志华 第二章——模型评估与选择笔记
<机器学习>周志华 第二章--模型评估与选择 过拟合和欠拟合 过拟合:对训练数据拟合过当的情况,训练集表现很好,测试集表现差. 欠拟合:模型在训练和预测时都表现不好. 降低过拟合的方法: ...
最新文章
- 从零开始一起学习SLAM | 理解图优化,一步步带你看懂g2o代码
- vue-router 中导航守卫问题
- linux 文件打开数设置, too ma
- java二进制反转_Java实现 LeetCode 190 颠倒二进制位
- 主设备号与次设备号以及申请
- 【C语言】C语言结构解析
- web 错误 处理你的请求时出错_最强辅助Jmeter技术干货:JMeter中处理器的另类玩法...
- 机器学习11/100天-KNN实践
- 台达A2/B2伺服电机编码器改功率 台达A2/B2伺服电机编码修改
- mysql-front服务器_mysql-front远程连接自己linux服务器上的mysql服务器
- white-space 与换行和空格的控制?
- Android热修复学习之旅开篇——热修复概述
- php文本框添加表情,仿微信在对话框文字中插入Emoji表情包
- win10下php连接不了access,win10无法连接到这个网络怎么解决
- 宝塔面板搭建个人图床Chevereto完整教程
- html 全景图three,室内房间全景图(基于three.js)
- vue-video-player 拖动进度条触发暂停移动端展示倍速菜单
- 详解五种最短路径算法及其区别(c++)
- MAPI错误0x80040107
- JAVA-@Primary的常用方式