个人笔记

1 Gradio

Gradio是一个开源的Python库，用于构建演示机器学习或数据科学，以及web应用程序

官方地址

中文快速上手

优点：

• 组件的封装程度高，并且尤其适合机器学习模型相关的应用
• 可以快速创建可共享的链接，从而方便将链接分享给用户
• 可以直接在 Jupyter Notebook 中展示；支持简单UI交互

缺点：

• 组件的扩展性比较差，添加组件需要修改源代码
• 使用场景较为简单，很难满足复杂的数据图表展示需求

2 streamit

Streamlit 能在几分钟内将数据脚本转变为可共享的 Web 应用程序。全部都是 Python、开源且免费！创建应用程序后还可以使用我们的社区云平台来部署、管理和共享您的应用程序

项目地址

优点：

• 默认组件库丰富，支持多种可视化展示和数据集本地上传等功能
• 支持自定义组件以及异步加载，也因此社区组件比较丰富

缺点：

• 更加独立，没有办法较好地直接展示在 Notebook 中
• 由于更加灵活，并且内置功能较多，需要一定的学习成本

进阶教程：Streamlit 官方文档

3 dash

Dash 构建于 Plotly.js、React 和 Flask 之上，将下拉列表、滑块和图表等现代 UI 元素直接与分析性 Python 代码联系起来；适用于 Python 的数据应用程序和仪表板。无需 JavaScript

项目地址

优点：

• 支持丰富的编程语言（Python、R、Julia）和可视化图表
• 后端基于 flask，也意味着后端的扩展能力非常强大。
• 可以通过一定的适配，支持在 Jupyter Notebook 中使用。

缺点：

• 实际上，使用 dash 相当于使用 python 编写 html + 后端，因此代码会比较冗长，同时也不适合网站开发者，和现代的主流前后端开发理念有所违和。
• 不适合大型项目，通常来说用户响应速度没有 JS 快（因为是纯 python 编写前端）

4 其他低代码部署

voila 4.9k⭐：将 Jupyter 笔记本变成独立的 Web 应用程序

Panel 3.2k⭐：具备强大的数据探索能力，支持快速构建Web应用

Vizro 1.8k⭐：基于 plotly 和 Dash 的数据可视化快速开发工具

5 项目/模型分享平台

Hugging Face Hub 是一个拥有超过 12 万个模型、2 万个数据集和 5 万个演示应用程序 (Space) 的平台，所有这些都是开源且公开的，在一个在线平台上，人们可以轻松协作并一起构建机器学习

ModelScope（魔搭）建立在“模型即服务”(MaaS) 的概念之上。它旨在汇集人工智能社区最先进的机器学习模型，并简化在实际应用中利用人工智能模型的过程。该存储库中开源的核心 ModelScope 库提供了允许开发人员执行模型推理、训练和评估的接口和实现。

Code Ocean 是一个计算研究平台，供研究人员和发现团队轻松创建、组织和共享项目代码、数据、环境和结果，并保证可重复性。每个项目都打包有一个Code Ocean Compute Capsule，包括元数据、代码、数据、环境。结果作为完整的包进行保存和生命周期管理，以实现可信共享和重用。 入门示例

Binder 允许您创建可由许多远程用户共享和使用的自定义计算环境；使用 Binder能在可执行环境中打开这些笔记本，使任何人、任何地方都可以立即重现您的代码。Binder 服务由 BinderHub 提供支持，BinderHub 是一个在 Kubernetes 上运行的开源工具

JupyterHub 是为多个用户提供 Jupyter Notebook 的最佳方式。由于 JupyterHub 为每个用户管理一个单独的 Jupyter 环境，因此它可以在一个学生班级、一个企业数据科学小组或一个科学研究小组中使用。它是一个多用户集线器，可生成、管理和代理单用户 Jupyter 笔记本服务器的多个实例

参考

快速生成 AI 应用的框架对比：Gradio、Streamlit 和 Dash