机器学习的代码现在也可以套用模板了。目前，有一个网络应用程序可以生成用于机器学习的模板代码，支持PyTorch和scikit-learn框架。

这个工具对初学者特别有用，通过模板学习代码可以避免走弯路。该项目名为traingenerator，已经上线并且在Reddit上获得了关注。

功能介绍

这个应用主要用于图像分类任务，但未来还将扩展到目标检测和语义分割等功能。用户可以在选定框架后，自动生成相应的模板代码。目前支持的模型包括：

• PyTorch: AlexNet、ResNet、DenseNet 和 VGG。
• scikit-learn: 支持 Support vectors、Random forest、Perceptron、K-nearest neighbors 和 Decision tree。

用户可以选择不同的模型，并调整训练参数。此外，数据输入可以选择Numpy数组或图像文件。最后，你可以导出.py、Jupyter notebook 或 Google Colab 文件格式的代码。

使用方法

目前，该应用已经在网站上线，可以直接在网页上操作并生成代码。如果你想在本地运行或部署，开发者也提供了详细的使用指南。

安装步骤

1. 克隆仓库：git clone https://github.com/jrieke/traingenerator.git
2. 进入目录：cd traingenerator
3. 安装依赖：pip install -r requirements.txt

如果要在Colab中打开，需要设置一个GitHub repo来存储笔记本文件。

本地运行

1. 设置环境变量：创建一个.env文件，添加 GITHUB_TOKEN 和 REPO_NAME。
2. 运行应用：streamlit run app/main.py

部署到Heroku

1. 创建Heroku应用：heroku create
2. 推送代码：git push heroku main
3. 打开应用：heroku open

如果设置了GitHub repo，还需要配置环境变量：

bash heroku config:set GITHUB_TOKEN=<your-github-access-token> heroku config:set REPO_NAME=<user/notebooks-repo>

测试

运行测试命令：pytest ./tests

该Web应用已经上线，感兴趣的朋友可以访问以下链接获取更多信息：

• Web应用地址：https://traingenerator.jrieke.com/
• GitHub地址：https://github.com/jrieke/traingenerator#installation

希望这些信息对你有所帮助。