連機器學習的代碼，也可以套模（tou）版（lan）了。

現在，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，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，還可以調節不同的訓練參數。

此外，可輸入的數據有著兩種選擇：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，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，創建一個.env文件其中包含：

GITHUB_TOKEN= REPO_NAME=《user/notebooks-repo》

本地運行

streamlit run app/main.py

確保總是從traingenerator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。要創建新部署的話，便在traingenerator內部運行：

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= 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