不是测试的终点而是测试开发的起点

每个文件的大小限制是 2Gb，对大多数深度学习模型来说够用了。

步骤 2：编写一个初始化模型和加载权重的函数。

我给出的示例代码如下：

在构建 Colab Notebook 和 WebApp 时会用到这个函数。

花 20 分钟创建一个库

这一步是为了降低你模型的入口点。

步骤 1：向 requirements.txt 中添加必要的依赖，你可以手动更新或使用如下代码：

步骤 2：改变存储库的文件结构

创建一个「主文件夹」，在我给出的示例中，这个文件夹叫「retinaface」。

将所有重要代码都放进这个文件夹，但不要把 helper 图像、Readme、notebook 或 test 放进去。手动操作这一步骤并更新所有的 import 会很累。PyCharm 或者类似的 IDE 会为你执行这一步骤。

这是存储库中构建代码结构的常用方法。如果你想让其更加结构化，请查看 Cookie Cutter 包。

步骤 3：添加配置文件

向根目录中添加 setup.py，内容类似于示例文件「setup.py」中的内容。添加包的版本，在我的示例中，我将它添加到了主文件夹的 init 文件中。

步骤 4：在 PyPI 上创建一个账户。

步骤 5：搭建一个库并上传到 PyPI 上。

你的存储库是一个库，每个人都可以使用如下命令安装它：

如果你在 PyPI 上查看包的页面，你就会看到它使用你存储库中的 Readme 文件来陈述项目。我们将会在 Google Colab 和 Web App 上使用这一步的功能。

花 20 分钟创建 Google Colab notebook

将 Jupiter notebook 添加到存储库是一个好习惯，以展示如何初始化模型和执行推理功能。

在前两个步骤中，我们使用了模型初始化和 pip install。接下来创建 Google Golab notebook。

现在，只需要一个浏览器，就会有更多的人尝试你的模型了。别忘了在 readme 中添加 notebook 的链接，并在 PyPi 上更新版本。

花 20 分钟创建 WebApp

许多数据科学家认为构建 web 应用程序是一个复杂的过程，需要专业知识。这种想法是正确的。一个复杂项目的 web 应用程序确实需要很多数据科学家并不具备的专业知识，但构建一个简单的 web 应用程序来展示模型还是很容易的。

我为一个 web 应用程序创建了一个单独的 GitHub 存储库。不过，你仍然可以在你的存储库中用你的模型来操作。这里有一篇描述具体细节的技术博客：

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!