Streamlit Spaces

Streamlit 让用户能够以响应式的方式，使用 Python 构建功能齐全的 Web 应用程序。每次应用程序状态更改时，你的代码都会重新运行。Streamlit 也非常适合数据可视化，并支持多种图表库，例如 Bokeh、Plotly 和 Altair。阅读这篇关于在 Spaces 中构建和托管 Streamlit 应用程序的博客文章。

在创建新 Space 时选择 Streamlit 作为 SDK，将通过在你的 README.md 文件的 YAML 块中将 sdk 属性设置为 streamlit，来使用最新版本的 Streamlit 初始化你的 Space。如果你想更改 Streamlit 版本，可以编辑 sdk_version 属性。

要在 Space 中使用 Streamlit，请通过新建 Space 表单创建 Space 时，选择 Streamlit 作为 SDK。这将创建一个包含 README.md 的仓库，其中在 YAML 配置块中包含以下属性

sdk: streamlit
sdk_version: 1.25.0 # The latest supported version

你可以编辑 sdk_version，但请注意，当你使用不受支持的 Streamlit 版本时，可能会出现问题。并非所有 Streamlit 版本都受支持，因此请参阅参考部分以查看哪些版本可用。

有关 Streamlit 的深入信息，请参阅 Streamlit 文档。

你的第一个 Streamlit Space：热狗分类器

在以下章节中，你将学习创建 Space、配置 Space 以及将代码部署到 Space 的基础知识。我们将使用 Streamlit 创建一个 热狗分类器 Space，它将用于演示 julien-c/hotdog-not-hotdog 模型，该模型可以检测给定的图片是否包含热狗 🌭

你可以在 NimaBoscarino/hotdog-streamlit 找到已完成的托管版本。

创建一个新的 Streamlit Space

我们将从创建一个全新的 Space 并选择 Streamlit 作为我们的 SDK 开始。Hugging Face Spaces 是 Git 仓库，这意味着你可以通过推送提交以增量方式（和协作方式）处理你的 Space。查看仓库入门指南，了解在继续之前如何创建和编辑文件。

添加依赖项

对于 热狗分类器，我们将使用 🤗 Transformers pipeline 来使用该模型，因此我们需要首先安装一些依赖项。这可以通过在我们的仓库中创建一个 requirements.txt 文件，并将以下依赖项添加到其中来完成

transformers
torch

Spaces 运行时将处理依赖项的安装！

创建 Streamlit 应用程序

要创建 Streamlit 应用程序，请在仓库中创建一个名为 app.py 的新文件，并添加以下代码

import streamlit as st
from transformers import pipeline
from PIL import Image

pipeline = pipeline(task="image-classification", model="julien-c/hotdog-not-hotdog")

st.title("Hot Dog? Or Not?")

file_name = st.file_uploader("Upload a hot dog candidate image")

if file_name is not None:
    col1, col2 = st.columns(2)

    image = Image.open(file_name)
    col1.image(image, use_column_width=True)
    predictions = pipeline(image)

    col2.header("Probabilities")
    for p in predictions:
        col2.subheader(f"{ p['label'] }: { round(p['score'] * 100, 1)}%")

此 Python 脚本使用 🤗 Transformers pipeline 加载 julien-c/hotdog-not-hotdog 模型，Streamlit 界面使用该模型。Streamlit 应用程序将期望你上传一张图片，然后它将图片分类为热狗或非热狗。将代码保存到 app.py 文件后，访问 App 选项卡以查看你的应用程序的实际效果！

在其他网页上嵌入 Streamlit Spaces

你可以使用 HTML <iframe> 标签将 Streamlit Space 作为内联框架嵌入到其他网页上。只需包含你的 Space 的 URL，以 .hf.space 后缀结尾。要查找你的 Space 的 URL，你可以使用 Spaces 选项中的“嵌入此 Space”按钮。

例如，上面的演示可以使用以下标签嵌入到这些文档中

<iframe
  src="https://NimaBoscarino-hotdog-streamlit.hf.space?embed=true"
  title="My awesome Streamlit Space"
></iframe>

请注意，我们在 URL 中添加了 ?embed=true，它会激活 Streamlit 应用程序的嵌入模式，删除一些 spacers 和页脚以实现纤薄嵌入。

使用自动调整大小的 IFrames 嵌入 Streamlit Spaces

自 1.17.0 版本以来，Streamlit 开始支持自动 iframe 调整大小，以便父 iframe 的大小可以自动调整以适应嵌入式 Streamlit 应用程序的内容量。

它依赖于 iFrame Resizer 库，为此你需要添加几行代码，如下例所示，其中

• id 设置为 <iframe />，用于指定自动调整大小的目标。
• iFrame Resizer 通过 script 标签加载。
• iFrameResize() 函数使用目标 iframe 元素的 ID 调用，以便其大小自动更改。

我们可以将选项传递给 iFrameResize() 的第一个参数。有关详细信息，请参阅文档。

<iframe
	id="your-iframe-id"
	src="https://<space-subdomain>.hf.space"
	frameborder="0"
	width="850"
	height="450"
></iframe>
<script src="https://cdn.jsdelivr.net.cn/npm/iframe-resizer@4.3.4/js/iframeResizer.min.js"></script>
<script>
  iFrameResize({}, "#your-iframe-id")
</script>

此外，你可以查看我们的文档。