如何优雅地展示机器学习项目！

↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习，不错过
 Datawhale干货 
作者：杨剑砺，Datawhale成员，数据分析师
很多数据科学工作者都存在这样一个痛点，由于没有能点亮网页前端的技能树，导致在项目展示或项目合作时，无法快速开发出这样一套用户界面以供使用。而今天要介绍的Streamlit正是为了应对这一痛点而生的。Streamlit是一个机器学习工程师专用的，专门针对机器学习和数据科学团队的应用开发框架，是目前开发自定义机器学习工具的最快的方法。可以认为它的目标是取代Flask在机器学习项目中的地位，可以帮助机器学习工程师快速开发用户交互工具。

本文目录：

     1. Streamlit是什么          2. 如何开始一个Streamlit项目          3. Streamlit架构与设计初探

• • APP模型

  • 网页布局

     4. 常用工具总结

• • ‍显示文本

  • 显示数据

  • 显示交互控件

  • 显示图表

  • 其他工具

  • 侧边栏

‍     5. 重要功能

• • 缓存机制

  • 录屏功能

     6. 近期重大更新
     7. 优秀demo

• • 自动驾驶目标检测

  • GAN面部生成项目

一、Streamlit是什么？

Streamlit是一个强大的python开源工具包，可以用来快速搭建web app，以优雅地展示你的机器学习或数据科学项目。

Streamlit的优势在于：

• 不需要任何网页前端设计基础即可轻松搭建web app

• 由于web本身会随着代码块自动刷新，写程序时可以及时观察到每一步代码改动对于网页的显示效果影响，方便调试

• 交互式界面可以优雅地展示数据科学项目

• streamlit的代码框架遵循从上到下的运行逻辑，极易理解，所见即所得

二、如何开始一个Streamlit项目

在安装streamlit之前，需要注意python版本至少为3.6。使用pip安装streamlit库

$ pip install streamlit

在python脚本中导入包

import streamlit as st

启动一个streamlit app有两种方式（命令行）。

1）直接运行本地的python文件

$ streamlit run myapp.py

2）运行远程url，这个功能可以直接运行github中的链接

$ streamlit run https://raw.githubusercontent.com/streamlit/demo-uber-nyc-pickups/master/app.py

可以尝试运行以下命令启动官网提供的demo项目

$ streamlit hello

三、Streamlit架构与设计初探

在开始介绍streamlit提供的诸多小工具之前，需要简单介绍下streamlit的架构和布局设计思路。

3.1 APP模型

下图为官网展示的app模型架构图，一个streamlit app是这样工作的：

• streamlit会将python脚本按顺序从上往下运行

• 每次用户打开指向该app服务的网页时，整个脚本会被重新执行

• 在脚本运行的过程中，streamlit会将数据表，图像，控件等实时地显示在网页上

• 在运行过程中，streamlit会优先调用缓存（需要用户在程序中设置）避免高昂计算过程

• 每次用户和控件进行交互时，脚本会被重新执行，图像，控件等被重新显示为新的值