从Python代码到APP,你只需要一个小工具:GitHub已超3000星
机器学习开发者想要打造一款 App 有多难?事实上,你只需要会 Python 代码就可以了,剩下的工作都可以交给一个工具。近日,Streamlit 联合创始人 Adrien Treuille 撰文介绍其开发的机器学习工具开发框架——Streamlit,这是一款专为机器学习工程师创建的免费、开源 app 构建框架。这款工具可以在你写 Python 代码的时候,实时更新你的应用。目前,Streamlit 的 GitHub Star 量已经超过 3400,在 medim 上的热度更是达到了 9000+。
用 300 行 Python 代码,编程一个可实时执行神经网络推断的语义搜索引擎。
机器学习工程师创建 app 的流程(ad-hoc)。
工具团队构建 app 的流程(干净整洁,从零开始)。
Streamlit app 构建流程。
Streamlit 的核心原则如下:
Streamlit app 是完全自上而下运行的脚本,没有隐藏状态。你可以利用函数调用来处理代码。只要你会写 Python 脚本,你就可以写 Streamlit app。例如,你可以按照以下代码对屏幕执行写入操作:
import streamlit as stst.write('Hello, world!')
import streamlit as stx = st.slider('x') st.write(x, 'squared is', x * x)
3 行代码写成的 Streamlit 交互 app。
使用 st.cache,在 Streamlit 多次运行中保存数据。代码运行说明,参见:https://gist.github.com/treuille/c633dc8bc86efaa98eb8abe76478aa81#gistcomment-3041475。
运行以上 st.cache 示例的输出。
1、每次用户交互均需要从头运行全部脚本。
2、Streamlit 根据 widget 状态为每个变量分配最新值。
3、缓存保证 Streamlit 重用数据和计算。
用户事件触发 Streamlit 从头开始重新运行脚本。不同运行中仅保留缓存。
网页浏览器将自动打开,并转向本地 Streamlit app。如果没有出现浏览器窗口,只需点击链接。
这些想法很简洁,但有效,使用 Streamlit 不会妨碍你创建丰富有用的 app。我在 Zoox 和 Google X 工作时,看着自动驾驶汽车项目发展成为数 G 的视觉数据,这些数据需要搜索和理解,包括在图像数据上运行模型进而对比性能。我看到的每一个自动驾驶汽车项目都有整支团队在做这方面的工具。
这个 300 行代码写成的 Streamlit demo 结合了语义视觉搜索和交互式神经网络推断。
我们与机器学习团队合作,为他们的项目而努力时,逐渐意识到这些简单的想法会带来大量重要的收益:
我用 Streamlit 构建 app 时喜欢用 VSCode 编辑器(左)和 Chrome(右)。
Streamlit app 是 Python 脚本,因此你可以使用 Git 轻松执行版本控制。
点击「Always rerun」,保证实时编程。
Streamlit 中的简单计算流程。运行以上代码,参见说明:https://gist.github.com/treuille/ac7755eb37c63a78fac7dfef89f3517e#gistcomment-3041436。
为了保证 app 的可执行性,Streamlit 仅计算更新 UI 所必需的部分。
该 Streamlit app 使用 TL-GAN 展示了英伟达 PGGAN 的效果。
渐进地使用 Streamlit 的几种方式。
Streamlit 组件图示。
一THE END一
免责声明:本文来自互联网新闻客户端自媒体,不代表本网的观点和立场。
合作及投稿邮箱:E-mail:editor@tusaishared.com
热门资源
国内人才报告:机...
近日,BOSS 直聘职业科学实验室 &BOSS 直聘研究院...
AI使物联网更智能...
看到微软对物联网和人工智能的结合感兴趣是一个明...
推荐一批学习自然...
这里推荐一批学习自然语言处理相关的书籍,当然,...
安防智能化大势下...
大部分传统安防设备不仅拍摄视野有限,而且无法事...
20亿创业基金、10...
近日,杭州举办了建设国家新一代人工智能创新发展...
智能在线
400-630-6780
聆听.建议反馈
E-mail: support@tusaishared.com