本文经AI新媒体量子位授权转载，转载请联系出处。
连机器学习的代码，也可以套模版了。
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 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= 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= 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
