写点什么

streamlit:算法工程师快速编写 demo 的利器

用户头像
行者AI
关注
发布于: 5 小时前

本文首发于:行者AI


在工作当中,算法工程师经常需要快速编写一些演示 demo,例如快速演示一些算法,或者需要编写数据标注的工具等。常见的实现方式是算法工程师试用 flask 等框架编写 api,再由前端工程师编写相关的网页调用 api。这样毫无疑问是非常耗时,效率低下的。


然而,使用 streamlit 框架就可以快速搭建 demo 页面,算法工程师只使用 python 语言就可以编写比较精美的 demo 页面。streamlit 框架内部负责处理网页的渲染工作,算法工程师将重点放在算法的流程方面就好。

框架安装

streamlit 框架的安装非常简单,使用 pip 就可以安装:


pip install streamlit
复制代码


安装完成之后,可以使用命令进行版本验证:


streamlit --version
复制代码


在这篇文章当中,我会用一个实际工作中的例子简单介绍 streamlit 框架的使用流程。

项目准备

Collaborative-Distillation是一个支持高分辨率的图像风格化方案,该模型的输入是风格图片以及待处理的图片,输出是风格化之后的图片。


在这个代码仓库当中,我们需要使用比较复杂的命令行命令来进行风格化操作:


# use original VGG-19, normal imagesCUDA_VISIBLE_DEVICES=0 python WCT.py --debug --mode original
# use original VGG-19, ultra-res imagesCUDA_VISIBLE_DEVICES=0 python WCT.py --debug --mode original --UHD
# use our pruned VGG-19, normal imagesCUDA_VISIBLE_DEVICES=0 python WCT.py --debug --mode 16x
# use our pruned VGG-19, ultra-res imagesCUDA_VISIBLE_DEVICES=0 python WCT.py --debug --mode 16x --UHD
# If your RAM cannot afford some large images, you can change the content and style size via '--content_size' and '--style_size'CUDA_VISIBLE_DEVICES=0 python WCT.py --debug --mode 16x --UHD --content_size 3000 --style_size 2000
复制代码


但是这样的操作对于用户来说相当复杂,所以我们可以使用 streamlit 编写一个 demo 页面,方便用户使用。


在这个 demo 页面当中,会用到 streamlit 的以下几种组件:


  • streamlit.file_uploader:文件上传组件,具体见下图:


  • 该组件支持拖拽上传文件和文件管理器选择文件,相对来说比较方便,使用方法如下列代码所示:


  style_file = st.file_uploader("请上传风格化图片")    if style_file:      stringio = style_file.getvalue()      style_file_path = 'style_file/'+ style_file.name      with open(style_file_path,'wb') as f:          f.write(stringio)
复制代码


使用文件上传组件上传文件之后,可以使用上面的代码将文件保存到特定路径等待使用。


  • streamlit.image:图片显示组件,具体见下图:


  • 该组件可以在 demo 页面中根据图片路径显示图片。


  style_file_path = 'style_file/'+ style_file.name  st.image(style_file_path)
复制代码


  • streamlit.write:文字显示组件,该组件可以在网页上显示一些提示信息。



  st.write('高分辨率风格化demo')
复制代码


  • streamlit.button:按钮组件,点击之后可以进行一些任务。



  if st.button('开始进行风格化处理'):    style_func()
复制代码


  • streamlit.progress:进度显示组件,可以用来显示任务的进度。



  for i in range(0,100,10):    st.progress(i + 1)
复制代码


streamlit 中还有一些重要的组件,例如:


  • streamlit.cache:数据缓存组件,该组件可以作为装饰器使用,用处是缓存数据,加快数据载入速度。可以用在需要反复加载数据或者进行计算的函数当中。


  @st.cache  def load_dataset(data_link):      dataset = pd.read_csv(data_link)      return dataset
复制代码


  • streamlit.audio:音频展示组件,可以根据音频地址播放音频。



with open('audio.mp3','rb') as f:  st.audio(f,format="audio/mp3")
复制代码


  • streamlit.audio:选择组件,该组件可以让用户从多个选项中选择一项。



model_choose = st.radio('请选择分离模型:',['人声+伴奏','人声+钢琴+吉他+鼓+其他'],0)
复制代码


其中参数 0 表示默认选择第一项。


streamlit 支持的组件还是很多的,如果感兴趣,请参考官方文档

项目编写

这个 demo 页面的主要功能是让用户分别上传 style 图片和 content 图片,然后后台进行风格化操作,风格化操作完成之后显示结果图片。这样用户就可以快速的进行风格化操作并知道结果。


streamlit 应用是用 python 语言编写的。在 python 文件开头,需要导入 streamlit 包。


import streamlit as st
复制代码


接着进行文件的上传与预处理:


style_file = st.file_uploader("请上传风格化图片")content_file = st.file_uploader("请上传待处理图片")image_slot = st.empty()
if style_file: stringio = style_file.getvalue() style_file_path = 'style_file/'+ style_file.name with open(style_file_path,'wb') as f: f.write(stringio) image_slot.image(style_file_path)
if content_file: stringio = content_file.getvalue() content_file_path = 'content_file/'+ content_file.name with open(content_file_path,'wb') as f: f.write(stringio)
if content_file and style_file: img1 = Image.open( style_file_path) img1 = img1.resize((640, 640))
img2 = Image.open( content_file_path) img2 = img2.resize((640, 640)) new_img = Image.new('RGB', (1280, 640), 255) new_img.paste(img1,(0,0)) new_img.paste(img2,(640,0)) new_img.save('concrate_file/' + os.path.basename(style_file_path)) image_slot.image('concrate_file/' + os.path.basename(style_file_path))
复制代码



最后写一个按钮,执行风格化操作,并显示最终结果,同时添加一个进度条:


if st.button('开始进行风格化处理'):    my_bar = st.progress(10)
UHD_content_folder_path = 'PytorchWCT/content/UHD_content' output_path = WCT_func.process(content_file_path,style_file_path) for i in range(0,100,10): my_bar.progress(i + 1) my_bar.progress(100) st.write('风格化之后的图片') st.image(output_path)
复制代码


项目的运行和部署

streamlit 框架的运行方式非常简单,直接在命令行执行:


$ streamlit run streamlit_demo.py 
复制代码


就可以在浏览器中进行访问了。


总结

streamlit 框架非常适合快速编写流程不太复杂且需要可视化操作的 demo,作者从开始编写到编写完成这个 demo 用时不到半个小时,编写代码不到 50 行,而且运行部署起来非常方便,页面看起来要比使用 flask 之类的框架渲染出的网页美观许多,实乃算法工程师的利器。

发布于: 5 小时前阅读数: 6
用户头像

行者AI

关注

行者AI,为游戏插上人工智能的翅膀。 2020.12.18 加入

行者AI(成都潜在人工智能科技有限公司)专注于人工智能在游戏领域的研究和应用,凭借自研算法,推出游戏AI、智能内容审核、数据平台等产品服务。

评论

发布
暂无评论
streamlit:算法工程师快速编写demo的利器