機(jī)器學(xué)習(xí)開發(fā)者想要打造一款 App 有多難？事實(shí)上，你只需要會 Python 代碼就可以了，剩下的工作都可以交給一個(gè)工具。
機(jī)器學(xué)習(xí)開發(fā)者想要打造一款 App 有多難？事實(shí)上，你只需要會 Python 代碼就可以了，剩下的工作都可以交給一個(gè)工具。近日，Streamlit 聯(lián)合創(chuàng)始人 Adrien Treuille 撰文介紹其開發(fā)的機(jī)器學(xué)習(xí)工具開發(fā)框架——Streamlit，這是一款專為機(jī)器學(xué)習(xí)工程師創(chuàng)建的免費(fèi)、開源 app 構(gòu)建框架。這款工具可以在你寫 Python 代碼的時(shí)候，實(shí)時(shí)更新你的應(yīng)用。目前，Streamlit 的 GitHub Star 量已經(jīng)超過 3400，在 medim 上的熱度更是達(dá)到了 9000+。
Streamlit 網(wǎng)站：https://streamlit.io/GitHub地址：https://github.com/streamlit/streamlit/
用 300 行 Python 代碼，編程一個(gè)可實(shí)時(shí)執(zhí)行神經(jīng)網(wǎng)絡(luò)推斷的語義搜索引擎。
以我的經(jīng)驗(yàn)，每一個(gè)不平凡的機(jī)器學(xué)習(xí)項(xiàng)目都是用錯(cuò)誤百出、難以維護(hù)的內(nèi)部工具整合而成的。這些工具通常用 Jupyter Notebooks 和 Flask app 寫成，很難部署，需要對客戶端服務(wù)器架構(gòu)（C/S 架構(gòu)）進(jìn)行推理，且無法與 Tensorflow GPU 會話等機(jī)器學(xué)習(xí)組件進(jìn)行很好的整合。
我第一次看到此類工具是在卡內(nèi)基梅隆大學(xué)，之后又在伯克利、Google X、Zoox 看到。這些工具最初只是小的 Jupyter notebook：傳感器校準(zhǔn)工具、仿真對比 app、激光雷達(dá)對齊 app、場景重現(xiàn)工具等。
當(dāng)一個(gè)工具越來越重要時(shí)，項(xiàng)目經(jīng)理會介入其中：進(jìn)程和需求不斷增加。這些單獨(dú)的項(xiàng)目變成代碼腳本，并逐漸發(fā)展成為冗長的「維護(hù)噩夢」…
機(jī)器學(xué)習(xí)工程師創(chuàng)建 app 的流程（ad-hoc）。
而當(dāng)一個(gè)工具非常關(guān)鍵時(shí)，我們會組建工具團(tuán)隊(duì)。他們熟練地寫 Vue 和 React，在筆記本電腦上貼滿聲明式框架的貼紙。他們的設(shè)計(jì)流程是這樣式的：
工具團(tuán)隊(duì)構(gòu)建 app 的流程（干凈整潔，從零開始）。
這簡直太棒了！但是所有這些工具都需要新功能，比如每周上線新功能。然而工具團(tuán)隊(duì)可能同時(shí)支持 10 多個(gè)項(xiàng)目，他們會說：「我們會在兩個(gè)月內(nèi)更新您的工具。」
我們返回之前自行構(gòu)建工具的流程：部署 Flask app，寫 HTML、CSS 和 JavaScript，嘗試對從 notebook 到樣式表的所有一些進(jìn)行版本控制。我和在 Google X 工作的朋友 Thiago Teixeira 開始思考：如果構(gòu)建工具像寫 Python 腳本一樣簡單呢？
我們希望在沒有工具團(tuán)隊(duì)的情況下，機(jī)器學(xué)習(xí)工程師也能構(gòu)建不錯(cuò)的 app。這些內(nèi)部工具應(yīng)該像機(jī)器學(xué)習(xí)工作流程的副產(chǎn)品那樣自然而然地出現(xiàn)。寫此類工具感覺就像訓(xùn)練神經(jīng)網(wǎng)絡(luò)或者在 Jupyter 中執(zhí)行點(diǎn)對點(diǎn)分析（ad-hoc analysis）！同時(shí)，我們還想保留強(qiáng)大 app 框架的靈活性。我們想創(chuàng)造出令工程師驕傲的好工具。
與來自 Uber、Twitter、Stitch Fix、Dropbox 等的工程師一道，我們用一年時(shí)間創(chuàng)造了 Streamlit，這是一個(gè)針對機(jī)器學(xué)習(xí)工程師的免費(fèi)開源 app 框架。不管對于任何原型，Streamlit 的核心原則都是更簡單、更純粹。
Streamlit app 是完全自上而下運(yùn)行的腳本，沒有隱藏狀態(tài)。你可以利用函數(shù)調(diào)用來處理代碼。只要你會寫 Python 腳本，你就可以寫 Streamlit app。例如，你可以按照以下代碼對屏幕執(zhí)行寫入操作：
import streamlit as stst.write('Hello, world!')
Streamlit 中沒有 callback！每一次交互都只是自上而下重新運(yùn)行腳本。該方法使得代碼非常干凈：
import streamlit as stx = st.slider('x')
st.write(x, 'squared is', x * x)
3 行代碼寫成的 Streamlit 交互 app。
如果要下載大量數(shù)據(jù)或執(zhí)行復(fù)雜計(jì)算，怎么辦？關(guān)鍵在于在多次運(yùn)行中安全地重用信息。Streamlit 引入了 cache primitive，它像一個(gè)持續(xù)的默認(rèn)不可更改的數(shù)據(jù)存儲器，保障 Streamlit app 輕松安全地重用信息。例如，以下代碼只從 Udacity 自動駕駛項(xiàng)目（https://github.com/udacity/self-driving-car）中下載一次數(shù)據(jù)，就可得到一個(gè)簡單快速的 app：
使用 st.cache，在 Streamlit 多次運(yùn)行中保存數(shù)據(jù)。代碼運(yùn)行說明，參見：https://gist.github.com/treuille/c633dc8bc86efaa98eb8abe76478aa81#gistcomment-3041475。
運(yùn)行以上 st.cache 示例的輸出。
- 每次用戶交互均需要從頭運(yùn)行全部腳本。
- Streamlit 根據(jù) widget 狀態(tài)為每個(gè)變量分配最新值。
- 緩存保證 Streamlit 重用數(shù)據(jù)和計(jì)算。
用戶事件觸發(fā) Streamlit 從頭開始重新運(yùn)行腳本。不同運(yùn)行中僅保留緩存。
感興趣的話，你可以立刻嘗試！只需運(yùn)行以下行：
網(wǎng)頁瀏覽器將自動打開，并轉(zhuǎn)向本地 Streamlit app。如果沒有出現(xiàn)瀏覽器窗口，只需點(diǎn)擊鏈接。
這些想法很簡潔，但有效，使用 Streamlit 不會妨礙你創(chuàng)建豐富有用的 app。我在 Zoox 和 Google X 工作時(shí)，看著自動駕駛汽車項(xiàng)目發(fā)展成為數(shù) G 的視覺數(shù)據(jù)，這些數(shù)據(jù)需要搜索和理解，包括在圖像數(shù)據(jù)上運(yùn)行模型進(jìn)而對比性能。我看到的每一個(gè)自動駕駛汽車項(xiàng)目都有整支團(tuán)隊(duì)在做這方面的工具。
在 Streamlit 中構(gòu)建此類工具非常簡單。以下 Streamlit demo 可以對整個(gè) Udacity 自動駕駛汽車照片數(shù)據(jù)集執(zhí)行語義搜索，對人類標(biāo)注的真值標(biāo)簽進(jìn)行可視化，并在 app 內(nèi)實(shí)時(shí)運(yùn)行完整的神經(jīng)網(wǎng)絡(luò)（YOLO）。
這個(gè) 300 行代碼寫成的 Streamlit demo 結(jié)合了語義視覺搜索和交互式神經(jīng)網(wǎng)絡(luò)推斷。
整個(gè) app 只有 300 行 Python 代碼，其中大部分是機(jī)器學(xué)習(xí)代碼。事實(shí)上，整個(gè) app 里只有 23 次 Streamlit 調(diào)用。你可以試試看：
我們與機(jī)器學(xué)習(xí)團(tuán)隊(duì)合作，為他們的項(xiàng)目而努力時(shí)，逐漸意識到這些簡單的想法會帶來大量重要的收益：
Streamlit app 是純 Python 文件。你可以使用自己喜歡的編輯器和 debugger。
我用 Streamlit 構(gòu)建 app 時(shí)喜歡用 VSCode 編輯器（左）和 Chrome（右）。
純 Python 代碼可與 Git 等源碼控制軟件無縫對接，包括 commits、pull requests、issues 和 comment。由于 Streamlit 的底層語言是 Python，因此你可以免費(fèi)利用這些協(xié)作工具的好處。
Streamlit app 是 Python 腳本，因此你可以使用 Git 輕松執(zhí)行版本控制。
Streamlit 提供即時(shí)模式的編程環(huán)境。當(dāng) Streamlit 檢測出源文件變更時(shí)，只需點(diǎn)擊 Always rerun 即可。
點(diǎn)擊「Always rerun」，保證實(shí)時(shí)編程。
緩存簡化計(jì)算流程。一連串緩存函數(shù)自動創(chuàng)建出高效的計(jì)算流程！你可以嘗試以下代碼：
Streamlit 中的簡單計(jì)算流程。運(yùn)行以上代碼，參見說明：https://gist.github.com/treuille/ac7755eb37c63a78fac7dfef89f3517e#gistcomment-3041436。
基本上，該流程涉及加載元數(shù)據(jù)到創(chuàng)建摘要等步驟（load_metadata → create_summary）。該腳本每次運(yùn)行時(shí)，Streamlit 僅需重新計(jì)算該流程的子集即可。
為了保證 app 的可執(zhí)行性，Streamlit 僅計(jì)算更新 UI 所必需的部分。
Streamlit 適用于 GPU。Streamlit 可以直接訪問機(jī)器級原語（如 TensorFlow、PyTorch），并對這些庫進(jìn)行補(bǔ)充。例如，以下 demo 中，Streamlit 的緩存存儲了整個(gè)英偉達(dá) PGGAN。該方法可使用戶在更新左側(cè)滑塊時(shí)，app 執(zhí)行近乎即時(shí)的推斷。
該 Streamlit app 使用 TL-GAN 展示了英偉達(dá) PGGAN 的效果。
Streamlit 是免費(fèi)開源庫，而非私有 web app。你可以本地部署 Streamlit app，不用提前聯(lián)系我們。你甚至可以在不聯(lián)網(wǎng)的情況下在筆記本電腦上本地運(yùn)行 Streamlit。此外，現(xiàn)有項(xiàng)目也可以漸進(jìn)地使用 Streamlit。
漸進(jìn)地使用 Streamlit 的幾種方式。
以上只是 Streamlit 功能的冰山一角而已。它最令人興奮的一點(diǎn)是，這些原語可以輕松組成復(fù)雜 app，但看起來卻只是簡單腳本。這就要涉及架構(gòu)運(yùn)作原理和功能了，本文暫不談及。
Streamlit 組件圖示。
我們很高興與社區(qū)分享 Streamlit，希望它能夠幫助大家輕松將 Python 腳本轉(zhuǎn)化為美觀實(shí)用的機(jī)器學(xué)習(xí) app。
