wordpress著名网站,成都手机网站开发,如何做网站内容架构分析,织梦5.7转wordpress目录
问题
Streamlit是什么#xff1f;
怎样用Streamlit画一个LLM的web页面呢#xff1f;
文本输出
页面布局
滑动条
按钮
对话框
输入框
总结 问题
假如你是一位后端开发#xff0c;没有任何的web开发经验#xff0c;那如何去实现一个LLM的对话交互页面呢
怎样用Streamlit画一个LLM的web页面呢
文本输出
页面布局
滑动条
按钮
对话框
输入框
总结 问题
假如你是一位后端开发没有任何的web开发经验那如何去实现一个LLM的对话交互页面呢
答案是Streamlit
Streamlit是什么
Streamlit是一个开源Python库。
可以轻松创建和共享用于机器学习和数据科学的漂亮的自定义web应用程序。
只需几分钟您就可以构建和部署功能强大的数据应用程序。 一句话说明白用python画web页面 怎样用Streamlit画一个LLM的web页面呢
下文将以ChatGLM3的demo为例做介绍。 文本输出
使用Streamlit的markdown组件
st.markdown(message[content])
markdown组件支持HTML标签官方不建议这么做help信息等。
st.markdown(body, unsafe_allow_htmlFalse, *, helpNone) 页面布局
整体分为左和右。
左侧又分为超参数调节、“清理会话历史”按钮。
右侧又分为对话展示框、输入框。
我们来看如何用python实现此布局。
左侧布局
# 左侧超参数调节组件
# st表示streamlit# 设置max_length、top_p和temperature
max_length st.sidebar.slider(max_length, 0, 32768, 8192, step1)
top_p st.sidebar.slider(top_p, 0.0, 1.0, 0.8, step0.01)
temperature st.sidebar.slider(temperature, 0.0, 1.0, 0.6, step0.01)# 清理会话历史按钮
buttonClean st.sidebar.button(清理会话历史, keyclean)
if buttonClean:st.session_state.history []st.session_state.past_key_values Noneif torch.cuda.is_available():torch.cuda.empty_cache()st.rerun()
滑动条
超参数调节使用的滑动条是streamlit的sidebar.slider组件可以设置最小值、最大值、默认值、step、帮助信息等
st.slider(label, min_valueNone, max_valueNone,
valueNone, stepNone, formatNone,
keyNone, helpNone, on_changeNone,
argsNone, kwargsNone, *, disabledFalse,
label_visibilityvisible)
按钮
清理会话历史按钮用的是streamlit的button组件可以设置button展示名称key组件唯一标识等。返回bool用于判断按钮是否被触发。
st.button(label, keyNone,
helpNone, on_clickNone,
argsNone, kwargsNone, *,typesecondary, disabledFalse,use_container_widthFalse)
对话框
右侧是人机对话框将对话历史逐条渲染分为user和assistant消息使用Streamlit的chat_message组件
# 渲染聊天历史记录
for i, message in enumerate(st.session_state.history):if message[role] user:with st.chat_message(nameuser, avataruser):st.markdown(message[content])else:with st.chat_message(nameassistant, avatarassistant):st.markdown(message[content])
Streamlit的chat_message组件隶属于chat组件分类。如果name是 human/user or ai/assistant将自动启用系统内置的展示图标等。纯纯的为了LLM对话框而设计的。
st.chat_message(name, *, avatarNone)
输入框
输入框使用了Streamlit的chat_input组件获取到input后调用后端LLM生成新的对话内容。
# 初始化输入框和输出框
with st.chat_message(nameuser, avataruser):input_placeholder st.empty()
with st.chat_message(nameassistant, avatarassistant):message_placeholder st.empty()# 获取用户输入
prompt_text st.chat_input(请输入您的问题)# 如果用户输入了内容,则生成回复
if prompt_text:input_placeholder.markdown(prompt_text)history st.session_state.historypast_key_values st.session_state.past_key_valuesfor response, history, past_key_values in model.stream_chat(tokenizer,prompt_text,history,past_key_valuespast_key_values,max_lengthmax_length,top_ptop_p,temperaturetemperature,return_past_key_valuesTrue,):message_placeholder.markdown(response)# 更新历史记录和past key valuesst.session_state.history historyst.session_state.past_key_values past_key_values
总结
Streamlit提供了一种非常便捷且高效的方式让后端开发也能轻松的画出来简单的web页面。
特别适合LLM这种页面比较简单的场景。
当然它的大头在data science的数据可视化场景。
