Streamlit是第一个专门针对机器学习和数据科学团队的应用开发框架，它是开发自定义机器学习工具的最快的方法，你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。
Streamlit
Streamlit是一种Web框架，旨在供数据科学家使用Python轻松部署模型和可视化。它运行速度既快又简约，代码既漂亮又对用户友好。
它们是有用于用户输入的内置小部件，例如图像上载、滑块、文本输入，以及其他熟悉的HTML元素(例如复选框和单选按钮)。每当用户与简化的应用程序进行交互时，python脚本就会从头到尾重新运行，这是在考虑应用程序的不同状态时要记住的重要概念。
使用pip安装Streamlit：
Pip install streamlit
并在python脚本上运行streamlit：
Streamlit run app.py
使用例子
我在上一篇文章中演示构建了一个Python程序
(https://towardsdatascience.com/solving-mazes-with-python-f7a412f2493f)，该程序将解决给定图像文件和起始/结束位置的迷宫。
现在，我希望将此程序变成一个单页Web应用程序，用户可以在其中上传迷宫图像(或使用默认迷宫图像)，调整迷宫的开始和结束位置，并查看最终解决的迷宫。
首先，为图像上传器创建UI，并选择使用默认图像的选项。可以使用st.write()或st.title()之类的函数添加文本输出，使用streamlit的st.file_uploader()函数存储动态上传的文件。最后，st.checkbox()将根据用户是否已选中复选框返回一个布尔值。
import streamlit as st
import cv2
import matplotlib.pyplot as plt
import numpy as np
import maze
st.title( Maze Solver )
uploaded_file = st.file_uploader("Choose an image", ["jpg","jpeg","png"]) #image uploader
st.write( Or )
use_default_image = st.checkbox( Use default maze )
结果：
然后，可以将默认图像或上传的图像读取为可用的OpenCV图像格式。
if use_default_image:
opencv_image = cv2.imread( maze5.jpg )
elif uploaded_file isnotNone:
file_bytes = np.asarray(bytearray(uploaded_file.read()), dtype=np.uint8)
opencv_image = cv2.imdecode(file_bytes, 1)
上载图像后，要显示标记有起点和终点的图像。将使用滑块允许用户重新定位这些点。st.sidebar()函数在页面上添加了一个侧边栏，st.slider()在定义的最小值和最大值内接受数字输入，你可以根据迷宫图像的大小动态定义滑块的最小值和最大值。
if opencv_image isnotNone:
st.subheader( Use the sliders on the left to position the start and endpoints )
ststart_x = st.sidebar.slider("Start X", value=24if use_default_image else50, min_value=0, max_value=opencv_image.shape[1], key= sx )
ststart_y = st.sidebar.slider("Start Y", value=332if use_default_image else100, min_value=0, max_value=opencv_image.shape[0], key= sy )
finish_x = st.sidebar.slider("Finish X", value=309if use_default_image else100, min_value=0, max_value=opencv_image.shape[1], key= fx )
finish_y = st.sidebar.slider("Finish Y", value=330if use_default_image else100, min_value=0, max_value=opencv_image.shape[0], key= fy )
marked_image = opencv_image.copy()
circle_thickness=(marked_image.shape[0]+marked_image.shape[0])//2//100#circle thickness based on img size
cv2.circle(marked_image,(start_x, start_y), circle_thickness, (0,255,0),-1)
cv2.circle(marked_image,(finish_x, finish_y), circle_thickness, (255,0,0),-1)
st.image(marked_image,channels="RGB", width=800)
每当用户调整滑块时，图像都会快速重新渲染，并且点会更改位置。
一旦用户确定了开始位置和结束位置，就需要一个按钮来解决迷宫并显示解决方案。仅在其子进程运行时显示st.spinner()元素，并且使用st.image()调用显示图像。
if marked_image isnotNone:
if st.button( Solve Maze ):
with st.spinner( Solving your maze ):
path = maze.find_shortest_path(opencv_image,(start_x,start_y),(finish_x, finish_y))
pathed_image = opencv_image.copy()
path_thickness = (pathed_image.shape[0]+pathed_image.shape[0])//200
maze.drawPath(pathed_image,path, path_thickness)
st.image(pathed_image,channels="RGB", width=800)
Streamlit按钮和微调器
显示解决的迷宫
瞧瞧，不需要编写任何传统的前端代码，我们用不到40行代码为Python图像处理应用程序创建了一个简单的UI。
事实上， Streamlit除了能够消化简单的Python代码之外，无论用户与页面进行交互还是更改了脚本，Streamlit都会从上至下智能地重新运行脚本的必要部分，这样可以实现直接的数据流和快速开发，它让一切变得简单!
原创文章，作者：晴川运维，如若转载，请注明出处：https://baike.qcidc.com/12809.html
