Streamlit 使用和维护非常简单,每天都在吸引大量用户,并且作为创建和共享网络数据应用程序的解决方案变得越来越流行。其出色的品质和易于安装和使用的特性以交互方式使用,并且易于部署新应用程序。

安装:

必须有 Python 3.6 或更高版本,安装将通过 PIP 完成:

pip install streamlit
streamlit hello

之后,有必要根据您使用的操作系统配置一些环境变量:

• Linux

• Mac

• Windows

Streamlit 与许多库和框架兼容,例如 Keras、Scikit learn、Altair、bokeh、Latex、plotly、OpenCV、Vega-Lite、PyTorch、NumPy、seaborn、Deck.GLTensorflow、matplotlib、pandas 等等

成分:

随着 Streamlit 的普及,出现了几个功能最多样化的组件,例如:

HiPlot

一种轻量级的交互式可视化工具,可帮助 AI 研究人员使用平行图和其他表示信息的图形方式发现高维数据中的相关性和模式。

pip install hiplot

画廊:

有许多不同应用程序的使用和配置示例;考虑到社区展示它的可用性,创建了一个画廊,展示了它的使用。

https://www.streamlit.io/gallery

快乐的例子:)

下面的这个演示项目允许您浏览整个 Udacity 自动驾驶汽车数据集,并使用 YOLO 对象检测网络实时执行推理。

部署应用程序:

它最大的区别之一是使用 GitOps 以非常自动化的方式部署应用程序的可能性,也就是说,通过持续集成,开发人员从给定的推送到像 GitHub 这样的代码存储库中的一个分支,触发了部署的自动化应用程序。

https://docs.streamlit.io/en/stable/deploy_streamlit_app.html#

https://towardsdatascience.com/deploying-your-machine-learning-apps-in-2021-a3471c049507

这个框架简单易用,新应用的部署非常直观。不利的一点是,我错过了一个更明显的安全层,我认为我必须在用户和应用程序之间实现一个接口以确保更高的安全性......。

参考:

https://www.streamlit.io/

https://rknagao.medium.com/streamlit-101-o-b%C3%A1sico-para-colocar-seu-projeto-no-ar-38a71bd641eb

https://medium.com/spatial-data-science/build-and-deploy-full-web-applications-quickly-with-python-e196771f48df

https://towardsdatascience.com/diabetes-prediction-application-using-streamlit-fed6120124a5

https://towardsdatascience.com/image-processing-using-streamlit-d650fb0ccf8

在中关注我:)