मी फक्त वापरत आहे हे मला जाणवले स्ट्रीमलिट: हे जवळपास वर्षभर ट्विटर किंवा लिंक्डइनवर अनेक वेळा पोस्ट केले गेले आहे, परंतु त्याने यापूर्वी कधीही याबद्दल ब्लॉग पोस्ट लिहिली नाही.

डेटा सायन्स आणि मशीन लर्निंगच्या क्षेत्रात, संप्रेषण ही मुख्य गोष्ट आहे. प्रगतीपथावर काम प्रदर्शित करण्यास सक्षम असणे – व्यवसायासह परिणाम सामायिक करणे फरक करते. शाब्दिक-गैर-शाब्दिक संवाद कौशल्ये शक्य आहेत. असे संभाषण ज्यात तुम्हाला संमिश्र प्रेक्षकांशी अशा संभाषणात मदत होऊ शकते ज्यांना तांत्रिक पार्श्वभूमी नसेल किंवा परिणामांबद्दल ऐकायला आवडेल – व्यवसायाचे मूल्य एक मोठी मदत होईल. मला स्ट्रीमलिट या परिस्थितीसाठी योग्य वाटले.

स्ट्रीमलिट हा एक ओपन सोर्स (अपाचे लायसन्स 2.0) पायथन फ्रेमवर्क आहे जो डेटा किंवा एमएल स्क्रिप्टला काही मिनिटांत सामायिक वेब अनुप्रयोगांमध्ये रूपांतरित करतो (मी मजाक करत नाही). फक्त पायथन. कोणत्याही प्रगत अनुभवाची आवश्यकता नाही.

स्ट्रीमलिटसह प्रारंभ करण्यासाठी, फक्त पाइपद्वारे स्थापित करा (हे अॅनाकोंडा येथे देखील उपलब्ध आहे).

pip install streamlit

the आपण कार्यरत प्रात्यक्षिक कार्यक्रम चालवण्यासाठी तयार आहात.

streamlit hello

वेब ब्राउझर http मध्ये उपलब्ध आहे: // लोकलहोस्ट: 8501.

स्ट्रीमलिट या तीन तत्त्वांवर आधारित आहे.

  • पटकथालेखन. अनुप्रयोग कोडच्या अनेक ओळींमध्ये तयार करणे आवश्यक आहे. डेव्हलपर्स नंतर पाहू शकतात की ते मूळ फाइल सतत सेव्ह करत असताना ते आपोआप अपडेट होते. सहसा, आपण पायथन कोडच्या सुमारे 50 ओळी लिहून संपूर्ण कार्यप्रवाह चालवू शकता.
  • संवादात विणणे. विजेट जोडणे हे पायथनमध्ये व्हेरिएबल जोडण्यासारखेच आहे. पार्श्वभूमीवर लिहिणे, मार्ग निश्चित करणे, HTTP विनंत्यांवर प्रक्रिया करणे, फॉरवर्ड करणे և HTML, CSS և जावास्क्रिप्ट लिहिणे यासारखे दुसरे काही करण्याची गरज नाही.
  • झटपट प्लेसमेंट. स्ट्रीमलिट जलद अनुप्रयोग स्थापना, सामायिकरण आणि सहकार्यासाठी एक व्यासपीठ देते. तथापि, हेरोकू किंवा एडब्ल्यूएस सारख्या वेगवेगळ्या प्लॅटफॉर्मवर स्ट्रीमलिट वेब अनुप्रयोग स्थापित करणे शक्य आहे, परंतु वापरलेल्या विशिष्ट प्लॅटफॉर्मसाठी आवश्यकतेनुसार आपण एसएसओ, सुरक्षा, स्केल इत्यादी व्यवस्थापित करणे आवश्यक आहे.

सर्व प्रमुख पायथन रेंडरिंग लायब्ररी Streamlit सह सुसंगत आहेत (मी मुख्यतः Plotly և Matplotlib सह काम केले आहे, परंतु तुम्हाला इतरांसह डझनभर उदाहरणे सापडतील). एएमएल / सीएफटी फ्रेमवर्कसाठीही असेच आहे (आतापर्यंत माझा अनुभव केरास և टेन्सरफ्लोसह आहे, परंतु हे केवळ तेच समर्थन देत नाहीत). आणि, अर्थातच, कोणत्याही डीएस किंवा एमएल प्रकल्पाच्या सामान्य ग्रंथालये, जसे की नंपी, पांडा किंवा ओपनसीव्ही, स्ट्रीमलिटसह वापरल्या जाऊ शकतात.
स्ट्रीमलिटद्वारे आपण खरोखर शक्तिशाली प्रोग्राम तयार करू शकता. हे अधिकृत वेबसाइटवर आपण वाचू शकता अशी वचने ठेवते. एपीआयमधून जाण्याऐवजी, मी माझ्या गिटहब क्षेत्रात उपलब्ध असलेल्या काही स्ट्रीमलिट अॅप्स येथे सामायिक करण्यास प्राधान्य देतो जेणेकरून आपण या फ्रेमवर्कसह काय केले जाऊ शकते ते आपण स्वतः तपासू शकता.

सीएनएस प्रतिमांमधील सामग्रीचा शोध, वर्गीकरण आणि वर्गीकरण, प्रामुख्याने पारदर्शक कलमांच्या आत.
https://github.com/virtualramblas/streamlit-materials-segmentation-in-vessels

Google साठी डेमो अॅप मीडिया पाईप: हातांनी. https://github.com/virtualramblas/streamlit-mediapipe-hands-tracking

साधे पूर्वनिर्मित मोबाईलनेट सीएनएन + ओपनसीव्ही फेस मास्क डिटेक्शन.
https://github.com/virtualramblas/streamlit-face-mask-detector

त्याचे कौतुक करायला सुरुवात करण्यासाठी तुम्ही काय वाट पाहत आहात – सामील व्हा? समुदाय:?

भविष्यात मी स्ट्रीमलिटच्या विशिष्ट विषयांवर ब्लॉग पोस्ट लिहीन. आमच्या बरोबर रहा!