[PYTHON] Stellen Sie eine mit Streamlit erstellte Web-App für Heroku bereit

Da ich mit "Streamlit" und "Heroku" eine Webseite erstellen konnte, auf der Bilder problemlos verarbeitet werden können, werde ich die Einführung verlassen.

App gemacht

Demo-Betrieb

Demo-Seite

Quellseite (Github)

Arbeitsprotokoll: Erstellen Sie eine Bildverarbeitungs-App mit Streamlit. :: Tomowarkars technischer Blog - 3 Schritte vorwärts und 2 Schritte nach unten

Lokal ausführen

pip install streamlit
streamlit run https://github.com/tomowarkar/stapp/blob/master/app.py

Einige Funktionen wie die Gesichtserkennung können nicht verwendet werden.

Was ist Streamlit?

Streamlit — The fastest way to build custom ML tools

Das Open-Source-App-Framework von Streamlit ist die einfachste Möglichkeit für Datenwissenschaftler und Ingenieure des maschinellen Lernens, in Stunden schöne, leistungsstarke Apps zu erstellen. Alles in reinem Python. Es ist alles kostenlos. Streamlit - Der schnellste Weg, um benutzerdefinierte ML-Tools zu erstellen (japanische Google-Übersetzung)

Das Ziel dieses Artikels

Stellen Sie eine mit Streamlit erstellte Web-App für Heroku bereit.

Annahme

Heroku-Konto und Heroku-CLI müssen vorbereitet sein.
Die Bibliothek wird mit pipennv verwaltet, aber Sie können natürlich require.txt verwenden.

Arbeitsbereich erstellen, Streamlit installieren

$ mkdir stapp
$ cd stapp
$ pipenv install --python 3
$ pipenv install streamlit

Bei Verwendung von require.txt

$ mkdir stapp
$ cd stapp
$ pip insatll streamlit
$ echo streamlit==0.60.0 >requirements.txt

App-Erstellung

$ touch app.py

`app.py`


import streamlit as st

st.title("Hello Streamlit!!")

st.subheader("This is calculator.")

a = st.slider("a: ", 0, 10, 5, 1)
b = st.slider("b: ", 0, 10, 5, 1)

st.write(f"{a} x {b} = {a*b}")

Das ist es

Einstellungen für Heroku [^ 1]

$ echo "web: streamlit run --server.enableCORS false --server.port \$PORT app.py" >Procfile

Git-Repository-Initialisierung

$ git init
$ git add .
$ git commit -m "first commit"

Heroku-App erstellen

$ heroku create
$ git push heroku master
$ heroku open

Wurde die Website sicher angezeigt?

Next step

Tutorial: Create a data explorer app — Streamlit 0.61.0 documentation

Das offizielle Tutorial von Streamlit ist genau richtig und interessant!

abschließend

Was haben Sie gedacht. Sie können Ihre Web-App frühestens in weniger als 10 Minuten veröffentlichen.

Streamlit ist nicht sehr anpassbar, aber Sie können einfach eine Tabelle erstellen, die mit "DataFrame" von "Pandas" erstellt wurde, ein Diagramm, das mit "matplotlib", dem Ergebnis der Bildverarbeitung mit "OpenCV" usw. in wenigen Zeilen in einer Webanwendung erstellt wurde. Sie können es fallen lassen.

Es ist sehr schön, dass es nur mit Python abgeschlossen werden kann und Sie die Ergebnisse einfach ausgeben können.