完成机器学习项目后，是时候展示你的模型的性能了。 你可以创建前端应用程序或使用 REST API。
推荐：用 NSDT设计器 快速搭建可编程3D场景。
随着 Streamlit、Gradio 和 FAST API 的引入，创建前端应用程序变得无忧无虑。 这些 Web 框架需要几行代码来创建交互式用户界面。 与公众分享你的工作有助于你创建强大的数据科学组合。 它还可以帮助非技术人员了解你的项目。 因此，构建 Web 应用程序后，就可以将应用程序部署到云服务器了。
在本博客中，我们将了解用于机器学习演示的五个最佳免费托管平台。 我将分享我在每个平台上的经验并解释它们的特别之处。
1、Hugging Face Spaces
Hugging Face Spaces已成为机器学习社区的新热点。 我使用这个平台来部署几乎所有的机器学习演示。 它有一个易于使用 Git 进行部署的选项，并为环境和 Python 包相关问题提供了适合初学者的解决方案。
Spaces 允许你部署 Streamlit、Gradio 和基于 HTML 的 Web 应用程序。 它快速可靠，服务器正常运行时间更长。 你甚至不必上传模型或数据。 它提供与HuggingFace数据集和模型的无缝集成。 此外，Gradio 允许我们使用回调保存和更新标记数据集，这是一个非常令人兴奋的功能。
Spaces 是社区主导的机器学习演示共享平台。 你可以找到有关计算机视觉、音频、自然语言处理、表格甚至简单仪表板的 Web 应用程序。 可以将你的应用程序保密或与公众共享。 该平台最好的部分是它可以免费为你提供如此多的功能。 Hugging Face 真正实现了机器学习的民主化。
2、Streamlit Cloud
Streamlit Cloud 允许你免费部署一个私有且无限制的公共 Streamlit 应用程序。 该平台提供使用 GitHub 集成的一键部署选项。 简而言之，你将把代码推送到 GitHub 存储库，Streamlit 云将自动检测更改并重建服务器。 除此之外，你还可以享受与数据源的安全集成、身份验证、Streamlit 项目上的协作以及高达 1 GB 的存储空间。
我喜欢 Streamlit Cloud，因为它纯粹是为 Streamlit 开源 Web 框架而设计的。 随着每个新版本的推出，该平台在速度、正常运行时间和可访问性方面都变得越来越好。 它适合初学者，并且提供无忧部署。
3、Heroku
Heroku 是一个用于部署各种 Web 应用程序的云平台。 你可以从小规模开始，然后随着时间的推移扩展项目。 Heroku 支持最流行的编程语言、数据库和 Web 框架。 此外，你还可以找到大量用于日志记录、电子邮件通知、测试、仪表板、图像处理和 DevOps 的集成。
我对托管服务的第一次体验是使用 Heroku，我发现修改并将更改部署到服务器非常容易。 你可以使用 GitHub 集成、Heroku CLI 和 Git 远程来部署应用程序。 由于其存储限制，我停止使用它，但我仍然认为它是数据应用程序的顶级托管平台之一。 易于使用和多种集成使其成为我首选的三个 Web 开发平台。
4、Deta
Deta 最适合微服务。 你可以使用免费存储和数据库来部署 REST API 或 Node.JS 应用程序。 Deta为你提供独具特色的SQL数据库和大存储服务。 除此之外，你还可以安排运行、自定义域以及添加 API 密钥。
在我第一次使用 Deta 时，我完全爱上了 Deta CLI 和服务器提供的简单性和强大的功能。 我什至写了一篇关于它的博客：部署你的第一个机器学习 API。 我花了 5 分钟来理解文档、安装 CLI 并部署我的机器学习应用程序。 如果你想创建机器学习微服务并创办自己的公司，那么 Deta 是最好的起点。
5、Replit
Replit是一个云集成开发环境（IDE），为各类项目提供免费的计算、存储和托管服务。 它是一个社区驱动的平台，人们（主要是学生）在这里分享他们与游戏、网页设计、构建微服务甚至创建新框架相关的项目。
它如何帮助我们构建机器学习应用程序？ 在每个项目中，你都可以运行临时服务器并使用公共 URL 托管你的应用程序。 例如，创建一个 FastAPI 机器学习应用程序，当你按下运行按钮时，它将自动启动一个带有你可以共享的 URL 的 Web 服务器。 你可以使用 ping hacks 保持服务器运行或购买专业版。
目前，我正在运行 4 个强化机器人、3 个 NLP 聊天机器人和 1 个 FastAPI 项目。 您可以在一处创建和部署应用程序，甚至无需考虑依赖项或开发问题。 这是我尝试新事物和测试 API 的首选平台。 如果你是编码初学者并想进入机器学习的世界，那么请从 Replit 开始。
原文链接：
