会是物联网平台的洗牌之年吗？

执行以下代码来告诉 GitHub 要检查什么：

我还建议放弃将代码直接推送到 master 分支的做法。你可以创建一个新的分支、修改代码、提交、放到 Github 上、创建 PR 请求，然后合并到 master。这是一项行业标准，但是在学术研究和 Kaggle 参赛者中却不常见。如果你对这些工具不熟悉，可能需要花 20 分钟添加它们并修复错误和警告。

记住这次的操作。在下个项目中，你可以在没写代码之前就在第一次提交中添加这些检查。从这个时候开始，每次小的提交都会被检查，你每次最多只需要修复几行代码。这么做开销很小，也是一个良好的习惯。

花 20 分钟写一个优秀的 readme

好的 readme 有两个作用：

对你自己而言：可能你认为你永远都不会再用到这些代码了，但实际上并不一定。下次用的时候你可能也记不得它的具体内容了，但 readme 可以帮到你。

对其他人而言：readme 是一个卖点。如果人们看不出该存储库的用途以及它所解决的问题，大家就不会使用它，你所做的所有工作都不会对他人产生积极影响。

一个机器学习库的最低要求是说明以下问题：

用一张图来说明任务是什么以及如何解决，而不需要任何文字。在花了几周解决问题之后，你可能有 100500 张图，但你不能把他们放在 readme 里；

数据放在哪里；

怎样开始训练；

如何进行推理。

如果你需要写 100500 个词来描述怎样运行训练或者推理，那就说明你的项目存在问题了。你需要重构代码，使它对用户更加友好。

人们经常会问：如何提高写代码的能力？这便是一个锻炼你的机会。你可能需要重写代码，尝试站在别人的角度看待你的 Readme。

这是一个很好的锻炼机会，它能够让你学会从用户的角度看待问题。

花 20 分钟提高模型易用性

我猜你会编写如下代码来加载预训练模型权重。

用上面的代码从 retinaface.pre_trained_models 中引入 get_modelmodel = get_model("resnet50_2020-07-20", max_size=2048)。

如果权重不在磁盘上，那就会从网络上先下载下来再缓存到磁盘上。初始化模型，并加载权重，这对用户来说是很友好的，也是你在 torchvision 和 timm 库中所看到的。

步骤 1：托管预训练模型的权重

这对我来说是最大的障碍。如果不想使用 AWS、GCP，我要把模型的权重放在哪里？GitHub 上的 releases 是一个不错的选择。
 

你需要使用以下命令安装 pre-commit 包。

使用以下命令进行初始化：

安装完成后，每次提交都会经历一组检查。当提交中有错误时，检查不会允许提交通过。这和手动运行 black、flake8 以及 mypy 的不同之处在于，它不会乞求你修复问题，而是强制要求你做这件事。因此，这种方法不会浪费你的意志力、

步骤 7：Github 操作

你已经向 pre-commit 钩子中添加了检查步骤，并在本地运行了这些步骤。但是你还需要第二道防线——让 GitHub 在每个拉取请求上运行这些检查步骤。

（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!