機械学習ではテンプレートも使用できます。オンラインでモデルとパラメータを選択し、ワンクリックでデモを生成できます。

[[358972]]

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

機械学習コードもテンプレート化（tou）してコピー（lan）することができます。

現在、機械学習用のテンプレート コードを生成できる Web アプリケーション (デモ) があり、現在は PyTorch と scikit-learn をサポートしています。

同時に、初心者にとっても非常に優れたツールです。テンプレートで機械学習コードを学習すると、回り道を避けることができます。

開発者がプロ​​ジェクトの紹介文に次のように書いたのも不思議ではありません。

機械学習の初心者に最適です!

traingeneratorと呼ばれるこのプロジェクトは最近成功裏に開始され、reddit で話題になっています。

これはどのようなプロジェクトなのか見てみましょう。

モデルとパラメータを選択し、ワンクリックでデモを生成します

タスク処理では、現在利用可能な唯一のタスク目標は画像分類です。

しかし、開発者らは、物体検出、セマンティックセグメンテーション、その他のタスク目標など、さらに多くの機能が今後追加される予定であると述べています。

現在、WebでサポートされているフレームワークはPyTorchとscikit-learnです。下図のようにフレームワークを選択するとテンプレートが自動的に切り替わります。

PyTorch で利用可能なモデルは、AlexNet、ResNet、DenseNet、VGG です。

scikit-learn で利用可能なモデルは、サポートベクター、ランダムフォレスト、パーセプトロン、K 近傍法、決定木です。

その後、以下では、異なるモデルを選択するときに、さまざまなトレーニング パラメータを調整することもできます。

さらに、入力データには、 Numpy 配列と画像ファイルの 2 つのオプションがあります。

最後に、デモ出力には、 .py 、 Jupyter ノートブック、 Google Colabファイル形式にエクスポートできる 3 つのオプションもあります。

現在、プロジェクトはウェブサイト上で公開されています。上記のコンテンツをウェブページ上で直接操作し（ウェブページのアドレスは記事の最後にあります）、直接デモを生成することができます。

実行方法

さらに、ローカルで実行またはデプロイする場合のために、開発者は使用ガイドも提供しています。

インストール

git クローンhttps://github.com/jrieke/traingenerator.git  
 CD トレインジェネレータ
pip インストール -r 要件.txt

「Colab で開く」を機能させたい場合は、ノートブック ファイルを保存するための Github リポジトリも設定する必要があります (Colab は Github 上のパブリック ファイルのみを開くことができるため)。

リポジトリを設定したら、次の内容を含む .env ファイルを作成します。

 GITHUB_TOKEN=<github アクセストークン>
 REPO_NAME=<ユーザー/ノートブックリポジトリ>

ローカルで実行

streamlit で app/main.py を実行します。

必ず traingenerator ディレクトリ (アプリケーション ディレクトリからではない) から実行するようにしてください。そうしないと、アプリケーションはテンプレートを見つけることができません。

Herokuにデプロイ

まず、heroku をインストールしてログインします。新しいデプロイメントを作成するには、traingenerator 内で実行します。

ヘロク作成
git プッシュ heroku メイン
ヘロクオープン

その後、デプロイされたアプリケーションを更新し、変更をコミットして実行します。

 git プッシュ heroku メイン

「Colab で開く」ボタンを有効にするために Github リポジトリを設定する場合は、以下も実行する必要があります。

 heroku config:set GITHUB_TOKEN=<あなたのgithubアクセストークン>
 heroku config:REPO_NAME=<ユーザー/ノートブックリポジトリ> を設定します。

テスト

最後にテストします。

 pytest ./テスト

Web アプリケーションは現在オンラインになっており、コードはオープンソース化されています。ご興味のある方は、以下のリンクをクリックして入手できます。

Web アプリケーション アドレス:

https://traingenerator.jrieke.com/

Githubアドレス:

https://github.com/jrieke/traingenerator#インストール