Streamlit Inc., en start av artificiell intelligens med stöd av Gradient Ventures från Google LLC, gjorde det känt nyligen ringde en ny tjänst "Streamlit-delning" vilket är utformad för att göra det enkelt för utvecklare att dela sina maskininlärningsapplikationer med användare.
Sammantaget Streamlit och GitHub möjliggör ett otroligt rikt och varierat ekosystem av användbara applikationer, från instrumentpaneler till djupa nätverk och mer.
Och det att bygga en maskininlärningsapplikation kräver mer än bara att träna ett neuralt nätverk. Det finns också ett behov av ett användargränssnitt för att presentera resultaten av neuralt nätverksbehandling och en datainmatningspipeline som ger programvaran den information den behöver bearbeta.
Strömbelyst, baserad i San Francisco, erbjuder ett populärt verktyg för öppen källkod med samma namn vilket lovar att minska läxorna från veckor till timmar.
Trots att den släpptes för bara ett år sedan, har Streamlit redan över en miljon nedladdningar och flera Fortune 500-användare.
Starten hävdar att utvecklare har använt ditt verktyg för att skapa hundratusentals applikationer för maskininlärning hittills.
Strålbelyst delning, den nya molntjänsten som nyligen lanserades, är i grunden en gratis webbplattform där utvecklare kan köra sin Streamlit-byggda maskininlärningsprogramvara.
Slutanvändare kan komma åt applikationerna som är värd för tjänsten via en webbläsare.
Problemet är det Streamlit Sharing är endast öppet för applikationer med öppen källkod vars kod är allmänt tillgänglig på GitHub, Men Streamlit skapar också ett betalt erbjudande för kommersiella projekt som för närvarande är i privat beta.
Streamlit-delning kombinerar det bästa från Streamlit med det bästa från GitHub. Från Streamlit får du ett enkelt ramverk för att skapa otroligt rika och användbara applikationer. Från GitHub ärver du en otrolig ram för socialt samarbete. Klistra in din GitHub-länk i Streamlits delningsplattform så har du nästan direkt en live-app. Eller klicka på menyn för alla live-applikationer och se dess källkod på GitHub. Samarbeta gratis genom att helt enkelt gaffla och redigera koden. Det är samarbetsvilligt, globalt, delbart och gaffelvänligt datavetenskap!
Streamlit Sharing syftar till att stärka det öppna källkodssystemet kring startverktyget.
GitHub erbjuder redan en plattform där utvecklare kan dela maskininlärningsprojekt, Streamlit VD Adrien Treuille noterade i ett blogginlägg, men det finns ett tekniskt hinder för slutanvändare.
För att köra ett Streamlit-program från GitHub måste du ladda ner råkoden, köra den och läsa dokumentationen. Applikationer som är värd för Streamlit Sharing kan å andra sidan öppnas i en webbläsare som vilken webbtjänst som helst.
"Github är full av fantastiska idéer, modeller, algoritmer och datamängder", skrev Treuille. ”Men det är bara kod, och koden ensam låter dig inte spela med modeller, se algoritmer eller peka på data. Det är väldigt svårt. Du måste installera något, importera beroenden och läsa kodprover innan du ser det i aktion. Vad du vill ha är en "play" -knapp «.
Strålbelyst delning tillåter utvecklare att ladda sina applikationer klistra in länken till GitHub-förvaret som innehåller din kod. Genom att förenkla delningen av AI-projekt minskar tjänsten ytterligare ett antagningsbarriär för startverktyget, vilket i slutändan borde driva dess strategi för användarförvärv.
Att ha en stor installerad bas av open source-användare kommer att ge användbar marknadsvalidering när Streamlit äntligen lanserar sitt betalda erbjudande.
Streamlit Sharing-lanseringen kommer cirka fyra månader efter att startupen stängde en finansieringsrunda på 21 miljoner dollar som leds av Google LLC och GGV Capitals Gradient Ventures-fond.
Slutligen, om du vill veta mer om anteckningen, kan du konsultera följande länk.
På samma sätt kan du följa följande handledning för att veta hur du implementerar en Streamlit-applikation. Länken är den här.