机器学习模型库管理器
mlhubdev的Python项目详细描述
机器学习中心
正在开发中
简介
machine learning hub是一个开源项目 托管在github上，旨在轻松地 共享pre-built machine learning models。访问模型 使用mlhub包中的ml命令进行管理 安装模型并在5分钟内运行演示。每个 模型已经在ubuntu（gnu/linux）上进行了测试。
访问repository indexon mlhub.ai可以浏览模型本身。
快速启动
命令行界面可以使用 PyPi：
$ pip3 install mlhub
安装后，您将能够运行示例“rain”模型
假设您已经安装了免费的开放源码R statistical software
package。TL；DR版本是
下面。注意，您键入命令ml ...，并且
行尾的#将被忽略（它是一个注释）：
$ ml install rain # Install the model named 'rain'.
$ ml demo rain # Run the demonstration of the model
$ ml display rain # Graphical display of pre-built model.
以下命令可用，下面是对 每个命令：
$ ml # Show a usage message.
$ ml available # List of pre-buld models on the MLHub.
$ ml installed # List of pre-built models installed locally
$ ml install rain # Install the model named 'rain'.
$ ml readme rain # View background information about the model.
$ ml configure rain # Install required dependencies.
$ ml commands rain # List of commands supported by the model.
$ ml demo rain # Run the demonstration of the model
$ ml print rain # Textual summary of the model.
$ ml display rain # Graphical display of pre-built model.
$ ml score rain # Run model on your own data.
不同的模型包将有不同的依赖关系，这些依赖关系将 通过configure命令安装。
快速入门：azure dsvm
一个特别吸引人的简单方法开始探索 mlhub的功能是在Azure上启动一个Ubuntu Data Science Virtual Machine（DSVM），每个只需10美元 一个相当小的服务器一个月或一个合理的服务器90美元你可以 从微软获得到trial the DSVM的免费信贷（200美元）。
与设置相比，使用此虚拟机将节省大量时间 使用所需的依赖项建立自己的计算机，当然 如果您愿意，可以这样做，因为所有依赖项都是开源的。
要设置虚拟机，请使用azure订阅登录到 portal并添加一个新的数据科学虚拟 Linux机器（ubuntu）。您需要提供一个名称（用于 一个用户名和密码，然后创建一个新资源 分组并给它命名，最后选择一个位置。与所有的 默认值，除了选择适合预算的大小 （B1s虽然便宜，但D2s是更好的交互体验）注意 你只在机器启动时收费，每台90美元 一个月不可能是你将要花费的时间，如果你只是点燃 需要时提供服务。
一旦dsvm设置好，转到它的概览页面并单击dns name 配置并提供用于公开引用服务器的名称 （例如myml.westus2.cloudapp.azure.com）。
我们现在有一台服务器可以展示预先构建的机器学习 模型。有几个选项可以连接到服务器，但是 建议使用X2Go，它支持 Linux、Windows和Mac。安装并指向服务器（例如， 安装程序中的myml.westus2.cloudapp.azure.com）。
连接到DSVM。关闭弹出的Firefox窗口点击 底部的终端图标，您可以开始了：
$ pip install mlhub
$ ml
$ ml available
等
预建模型存档
模型是作为.mlm文件存档并托管在存储库中的zip文件。 公共存储库是mlhub.ai。ml命令 可以在本地安装预先构建的模型，准备运行演示，以便打印 显示模型，并使用该模型对新数据进行评分。一些 模型提供了使用用户提供的数据重新训练模型的能力。
为ML Hub贡献模型
欢迎任何人向ml hub贡献一个预先构建的模型包。 请通过提交请求 github
安装PIP3
在ubuntu上，这很简单：
$ sudo apt install python3-pip
替代PIP安装
根据PIP的设置，您可能需要使用：
$ pip3 install mlhub
可执行文件可以放在~/.local/bin中，这需要
在你的路上。编辑shell启动，它可以是.profile，也可以是
.bashrc等：
PATH="$HOME/.local/bin:$PATH"
替代安装
包含mlhub包和命令行interfa的tar.gz总工程师 可用作 mlhub_1.6.7.tar.gz内 mlhub的distribution folder。
从tar.gz文件安装：
$ wget https://mlhub.ai/dist/mlhub_1.6.7.tar.gz
$ pip install mlhub_1.6.7.tar.gz
$ ml
或者解压缩以上下载的.tar.gz并安装：
$ wget https://mlhub.ai/dist/mlhub_1.6.7.tar.gz
$ tar xvf mlhub_1.6.7.tar.gz
$ cd mlhub
$ python3 setup.py install --user
贡献
开源的mlhub命令行工具（ml）和示例模型 主持于github并为 命令行工具和新开源的贡献 最受欢迎的是预先构建的机器学习模型。请随意提交 拉取请求。
指标
mlhub pypi下载统计信息：https://pepy.tech/project/mlhub
mlhub dev pypi下载统计信息：https://pepy.tech/project/mlhubdev
欢迎加入QQ群-->： 979659372
