Streamlit Deling av en skytjeneste for deling av open source AI-applikasjoner

Streamlit Inc., en oppstart av kunstig intelligens støttet av Gradient Ventures fra Google LLC, gjort det kjent nylig ringte en ny tjeneste "Streamlit Sharing" som er designet for å gjøre det enkelt for utviklere å dele maskinlæringsapplikasjonene sine med brukerne.

Totalt Streamlit og GitHub muliggjør et utrolig rikt og mangfoldig økosystem av nyttige applikasjoner, fra dashbord til dype nettverk og mer.

Og det å bygge en maskinlæringsapplikasjon krever mer enn bare å trene et nevralt nettverk. Det må også være et brukergrensesnitt for å presentere de nevrale nettverksbehandlingsresultatene og en datainntakspipeline som gir programvaren den informasjonen den trenger å behandle.

Strømbelyst, basert i San Francisco, tilbyr et populært verktøy med åpen kildekode med samme navn som lover å redusere leksene fra uker til timer.
Til tross for at den ble lansert for bare et år siden, har Streamlit allerede over en million nedlastinger og flere Fortune 500-brukere.

Oppstarten hevder det utviklere har brukt verktøyet ditt for å lage hundretusenvis av maskinlæringsprogrammer til dags dato.

Strømbelyst deling, den nye skytjenesten som nylig ble lansert, er egentlig en gratis hostingplattform hvor utviklere kan kjøre sin Streamlit-bygget maskinlæringsprogramvare.
Sluttbrukere kan få tilgang til applikasjonene som vert på tjenesten via en nettleser.

Problemet er det Streamlit Sharing er bare åpent for applikasjoner med åpen kildekode hvis kode er offentlig tilgjengelig på GitHub, Men Streamlit lager også et betalt tilbud for kommersielle prosjekter som for tiden er i privat beta.

Streamlit-deling kombinerer det beste fra Streamlit med det beste fra GitHub. Fra Streamlit får du et enkelt rammeverk for å lage utrolig rike og nyttige applikasjoner. Fra GitHub arver du en utrolig ramme for sosialt samarbeid. Lim inn GitHub-lenken din i Streamlits delingsplattform, og du har nesten umiddelbart en live app. Eller klikk på menyen til et hvilket som helst live program og se kildekoden på GitHub. Samarbeid gratis ved å bare smykke og redigere koden. Det er samarbeidende, global, delbar og gaffelvennlig datavitenskap!

Streamlit Sharing tar sikte på å styrke open source-økosystemet rundt oppstartsverktøyet.

GitHub tilbyr allerede en plattform der utviklere kan dele maskinlæringsprosjekter, Streamlit-sjef Adrien Treuille bemerket i et blogginnlegg, men det er en teknisk barriere for sluttbrukere.

Å kjøre et Streamlit-program fra GitHub krever at du laster ned rå koden, kjører den og leser dokumentasjonen. Applikasjoner som vert på Streamlit Sharing, derimot, kan åpnes i en nettleser som hvilken som helst webtjeneste.

"Github er fullpakket med fantastiske ideer, modeller, algoritmer og datasett," skrev Treuille. “Men det er bare kode, og koden alene lar deg ikke spille med modeller, se algoritmer eller berøre data. Det er veldig vanskelig. Du må installere noe, importere avhengigheter og lese kodeeksempler før du ser det i aksjon. Det du vil ha er en 'spill' -knapp «.

Strømbelyst deling lar utviklere laste applikasjonene sine limer inn lenken til GitHub-depotet som inneholder koden din. Ved å forenkle delingen av AI-prosjekter, reduserer tjenesten en annen barriere for adopsjon for oppstartsverktøyet, som til slutt skal føre til brukeroppkjøpsstrategien.

Å ha en stor installert base med åpen kildekode-brukere vil gi nyttig markedsvalidering når Streamlit endelig lanserer sitt betalte tilbud.

Streamlit Sharing-lanseringen kommer omtrent fire måneder etter at oppstarten stengte en finansieringsrunde på 21 millioner dollar, ledet av Google LLC og GGV Capitals Gradient Ventures-fond.

Til slutt, hvis du vil vite mer om notatet, kan du gå til følgende lenke.

På samme måte kan du følge følgende veiledning for å vite hvordan du implementerer en Streamlit-applikasjon. Koblingen er denne.


Bli den første til å kommentere

Legg igjen kommentaren

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *

*

*

  1. Ansvarlig for dataene: Miguel Ángel Gatón
  2. Formålet med dataene: Kontroller SPAM, kommentaradministrasjon.
  3. Legitimering: Ditt samtykke
  4. Kommunikasjon av dataene: Dataene vil ikke bli kommunisert til tredjeparter bortsett fra ved juridisk forpliktelse.
  5. Datalagring: Database vert for Occentus Networks (EU)
  6. Rettigheter: Når som helst kan du begrense, gjenopprette og slette informasjonen din.