機(jī)器學(xué)習(xí)開(kāi)發(fā)者想要打造一款 App 有多難？事實(shí)上，你只需要會(huì) Python 代碼就可以了，剩下的工作都可以交給一個(gè)工具。一些介紹可參考：

文章

公眾號(hào)：機(jī)器之心從Python代碼到APP，你只需要一個(gè)小工具：GitHub已超3000星

streamlit可以自行構(gòu)建工具的流程：

部署 Flask app，寫(xiě) HTML、CSS 和 JavaScript，嘗試對(duì)從 notebook 到樣式表的所有一些進(jìn)行版本控制。

寫(xiě)此類(lèi)工具感覺(jué)就像訓(xùn)練神經(jīng)網(wǎng)絡(luò)或者在 Jupyter 中執(zhí)行點(diǎn)對(duì)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。

我們希望的 app 構(gòu)建流程如下：

簡(jiǎn)而言之，Streamlit 的工作流程如下：

• 每次用戶(hù)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。

同時(shí)streamlit 可以支持中文，很友好：

而且只要保存文件，不用重啟api就可以直接反應(yīng)上來(lái)，非常方便，同時(shí)如果運(yùn)行有報(bào)錯(cuò)，就會(huì)如下面這般顯示：

總的來(lái)說(shuō)，可以把steamlit當(dāng)作一種IDE，交互非常及時(shí)。

再來(lái)看筆者的一個(gè)圖像識(shí)別的目標(biāo)檢測(cè)案例

本案例脫胎于Udacity自動(dòng)駕駛汽車(chē)圖像識(shí)別，

代碼鏈接:implemented in less than 300 lines of Python

原案例中無(wú)法自己上傳本地圖片進(jìn)行檢測(cè),事先提供好了圖片url連接（標(biāo)記了所有圖像Ground Truth的原標(biāo)簽數(shù)據(jù)集），直接download使用，所以不太滿(mǎn)足要求 。

筆者這邊對(duì)該案例進(jìn)行了一定的魔改，讓其可以支持本地圖片的使用。

這樣才能制作自己的檢測(cè)器，先貼一下筆者最終微調(diào)的結(jié)果：

依賴(lài)安裝使用之前需要加載:

pip install --upgrade streamlit opencv-python

或者直接用線上的文件也是可以的:

streamlit run https://raw.githubusercontent.com/streamlit/demo-self-driving/master/streamlit_app.py

頁(yè)面使用

使用步驟：

• 第一步：選擇本地的一張圖片(png/jpg)…

• 第二步:調(diào)整目標(biāo)檢測(cè)參數(shù)

• 第三步：點(diǎn)擊檢測(cè)的按鈕

其中，切換頁(yè)面模式，繼承了源碼的三種：目標(biāo)檢測(cè) + 顯示介紹 + 展示原始code

最終的效果如圖，展示原圖 + 目標(biāo)檢測(cè)之后的圖：

練習(xí)題代碼可見(jiàn)github

https://github.com/mattzheng/streamlit_demo/tree/main/demo2-opencv+yolov3