使用 Streamlit Sharing 部署

在之前的章节中，我们从零开始构建了一个 GitHub 网页爬虫和 KNN 分类模型，并使用 Streamlit 实现了用户界面。

然而，如果我们的网页应用无法以视觉上令人印象深刻的方式展示，那又有什么意义呢？

在本章中，我们将学习如何使用 Streamlit Sharing 部署我们的机器学习网页应用。

Streamlit Sharing

Streamlit Sharing 是 Streamlit 提供的一项服务，可帮助我们轻松部署应用程序。接下来，我们将按照《使用 Streamlit 和 Sklearn 构建分类网页应用》一章中的步骤完成部署流程。

创建包含必要库的文本文件

创建一个 requirements.txt 文件，列出项目依赖项。使用以下命令生成该文件：

1pip freeze > requirements.txt

注意： 在输入上述命令前，请确保已激活你的虚拟环境。

将文件上传至 GitHub

在 GitHub 上创建一个公开仓库，并上传 .py 文件以及 requirements.txt 文件。

我们将部署以下仓库：https://github.com/CourseMaterial/KNN-Streamlit。

登录 Streamlit Sharing

访问 https://share.streamlit.io/ 网站，使用你的 GitHub 账号登录。

授权 Streamlit 访问你的 GitHub 仓库。

创建新应用

• 点击“新建应用”按钮。

部署应用

• 输入部署信息。

• 选择你的仓库和分支。在本例中，为名为 CourseMaterial/KNN-Streamlit 的仓库的 master 分支。

主文件路径应填写指向你的 app.py 文件或包含 Streamlit UI 代码的 .py 文件的路径。如果 app.py 文件位于名为 app 的文件夹中，则路径应为 app/app.py。请确保填写正确的路径。确认信息无误后，点击“部署！”按钮。

部署完成后，你会收到成功提示，并可查看应用的演示效果。

注意： 一旦仓库内容更新，应用将自动重新部署，几分钟内即可看到更改（前提是无错误发生）。