MLTool BoilerPlate DjangoProject

Boiler Plate for Django ML Web Projects

这个Django项目最初是为mltool.in网站开发的。我已经更改了一些代码，因此可以用作其他机器学习Web应用程序的锅炉板。您可以轻松地在您的任何工作中实现此项目。

先决条件

• 确保安装Python 3.6。
• 安装r> = 3.4 sudo apt-get install r-base 。

初始设置

• 克隆存储库git clone https://github.com/MexsonFernandes/MLTool-BoilerPlate-DjangoProject 。
• cd MLTool-BoilerPlate-DjangoProject
• 安装所需的依赖项。
  • 运行pip3 install -r requirements.txt 。
• 将您的电子邮件ID和密码添加到project/settings.py文件中。
  • email_host_user ='[email protected]'
  • email_host_password ='xxxxxxx'
• 数据库
  • 运行python3 manage.py makemigrations
  • 运行python3 manage.py migrate

运行Web应用程序

• python3 manage.py runserver
• 前往http：// localhost：8000/

模型文件和预测脚本

• 复制媒体/ModelData中的模型文件
• 编辑mainfile.py和mainSequence.py以运行您的python或r脚本。
• 重要的参数传递给了Main*.py文件。
  • Working_dir-存在模型文件和脚本的地方。
  • file_path-用户提交的文件路径。
  • result_path-需要保存最终结果的路径。
• 将日志保存在result_path中，并带有'log.txt'名称。
• 结果文件名应该为“ precention_select.csv”。

笔记：

• “ log.txt”包含线程运行时生成的信息。
• 'preadion_select.csv'和'log.txt'邮寄给用户。

屏幕截图

执照

麻省理工学院许可证（MIT）

版权（C）2019 Mexson Fernandes

特此免费授予获得此软件副本和相关文档文件副本（“软件”）的任何人，以无限制处理该软件，包括无限制的使用权，复制，复制，修改，合并，合并，发布，分发，分发，分发，订婚，和/或允许软件的副本，并允许对以下条件提供以下条件，以下是以下条件。

上述版权通知和此许可通知应包含在软件的所有副本或大量部分中。

该软件是“原样”提供的，没有任何形式的明示或暗示保证，包括但不限于适销性，特定目的的适用性和非侵权的保证。在任何情况下，作者或版权持有人均不应对任何索赔，损害赔偿或其他责任责任，无论是在合同，侵权的诉讼中还是其他索赔，与软件或使用或其他软件中的使用或其他交易有关。