PythonコードからAPPまで、必要なのは小さなツールだけ：GitHubには3,000以上のスターがある

300 行の Python コードで、ニューラル ネットワーク推論をリアルタイムで実行するセマンティック検索エンジンをプログラムします。

機械学習エンジニアによるアプリ作成プロセス（アドホック）。

ツール チームがアプリを構築するプロセス (クリーンで整然と、ゼロから)。

 import streamlit as stst.write( 'Hello, world!' )

 import streamlit as stx = st.slider( 'x' ) 
 st.write(x, 'squared is' , x * x)   

Streamlit の複数回の実行間でデータを保存するには、st.cache を使用します。コードの実行手順については、https://gist.github.com/treuille/c633dc8bc86efaa98eb8abe76478aa81#gistcomment-3041475 を参照してください。

上記の st.cache の例を実行したときの出力。

1. 各ユーザー操作では、スクリプト全体を最初から実行する必要があります。
2. Streamlit はウィジェットの状態に基づいて各変数に最新の値を割り当てます。
3. キャッシュにより、Streamlit はデータと計算を再利用できるようになります。

この Streamlit デモは、セマンティック ビジュアル検索とインタラクティブ ニューラル ネットワーク推論を 300 行のコードに組み合わせています。

VSCode エディター (左) と Chrome (右) は、Streamlit を使用してアプリを構築するための私のお気に入りのエディターです。

Streamlit アプリは Python スクリプトなので、Git を使用してバージョン管理を簡単に実行できます。

リアルタイムプログラミングを確実に行うには、「常に再実行」をクリックします。

Streamlit での簡単な計算プロセス。上記のコードを実行し、手順を確認してください: https://gist.github.com/treuille/ac7755eb37c63a78fac7dfef89f3517e#gistcomment-3041436。

アプリの実行可能性を確保するために、Streamlit は UI を更新するために必要なものだけを計算します。

この Streamlit アプリは、TL-GAN を使用した NVIDIA PGGAN の効果を示します。

Streamlit を段階的に使用するいくつかの方法。

Streamlit コンポーネントの図。