在 Heroku 上部署您的机器学习 Web 应用程序 (Streamlit)

Heroku 是一家云平台，可以帮助开发人员轻松地构建、部署和管理应用程序。在这篇教程中，我们将介绍如何在 Heroku 上部署一个机器学习 Web 应用程序，使用 Streamlit 框架来创建用户界面。

步骤 1: 克隆 Github 代码库

首先，我们需要使用 Git 克隆一个包含我们应用程序代码的 Github 代码库。您可以使用自己的代码库，也可以使用以下代码库：

git clone https://github.com/streamlit/demo-uber-nyc-pickups.git

该代码库包含一个名为 app.py 的 Python 脚本，使用了 Uber NYC 出租车数据集，展示了 Streamlit 框架的用法。

步骤 2: 安装依赖项

接下来，我们需要安装应用程序所需的依赖项。为此，我们可以使用 pip 包管理器。

pip install -r requirements.txt

requirements.txt 包含了所需的所有 Python 包及其版本号。

步骤 3: 测试应用程序

我们可以使用以下命令在本地计算机上测试应用程序：

streamlit run app.py

这将启动 Streamlit Web 服务器，并在本地计算机上打开应用程序。

步骤 4: 创建 Heroku 应用程序

现在我们需要在 Heroku 上创建一个应用程序并将代码部署到该应用程序。首先，我们需要登录 Heroku 帐户并创建一个新的应用程序。可以使用以下命令来完成登录：

heroku login

接下来，我们可以使用以下命令创建新的 Heroku 应用程序：

heroku create my-ml-app

这将创建一个名为 my-ml-app 的新应用程序，并分配唯一的 URL 给它。

步骤 5: 部署应用程序

现在我们已经创建了 Heroku 应用程序，我们可以使用以下命令将代码部署到该应用程序：

git push heroku master

这将将本地 Git 存储库的 master 分支推送到 Heroku 应用程序。

步骤 6: 测试使用 Heroku

代码已经部署到 Heroku，我们可以使用以下命令在网页上启动应用程序：

heroku open

Heroku 将自动打开浏览器并加载应用程序。现在，我们已经成功地将机器学习 Web 应用程序部署到了 Heroku 上，并使用了 Streamlit 框架创建了用户界面。

结论

在这篇教程中，我们学习了如何在 Heroku 上部署机器学习 Web 应用程序，使用 Streamlit 框架生成用户界面。我们不仅了解了 Heroku 的一些基本概念和操作，而且学习了如何使用 Streamlit 简化 Web 应用程序的创建和部署。