streamlit로 머신러닝 웹 응용 프로그램 만들기

의 목적

https://github.com/komo135/trade-rl
streamlit으로trade-rl의 간단한 웹 애플리케이션을 제작합니다.streamlit는 HTML, CSS, 자바스크립트 지식이 전혀 없어도 웹 애플리케이션을 만들 수 있다.자세한 내용은 home page를 참조하십시오.

그림 완성

1. 필요한 패키지 설치

다음 명령을 입력하여 필요한 패키지를 디바이스에 설치합니다.

git clone https://github.com/komo135/trade-rl.git
cd trade-rl
pip install .

pip install streamlit

웹 응용 프로그램 실행

실행하기 전에 필요한 포장을 설치하세요.

streamlit run https://raw.githubusercontent.com/komo135/traderl-web-app/main/github_app.py [ARGUMENTS]

생성 방법

2. 매크로 패키지 가져오기

streamlit->웹 응용 프로그램 만들기에 필요한

agent->streamlit에 맞춤형(print와 matplotlib의 부분만 변경하고 그대로 유지하면 화면에 나타나지 않음)

pandas->csv 파일 읽기

gc->메모리 열기

import streamlit as st
from agent import dqn, qrdqn
from traderl import data, nn
import pandas as pd
import gc

3. 사이드바 만들기

st.sidebar.라디오 사이드바에 라디오 단추를 만듭니다.

def sidebar():
    return st.sidebar.radio("", ("Home", "select data", "create agent", "training",
                                 "show results", "save model", "initialize"))

주체의 제작

전역 코드

class App:
    def __init__(self):

        self.df = None
        self.agent = None
        self.model_name = ""

    def select_data(self):
        file = None

        select = st.selectbox("", ("forex", "stock", "url or path", "file upload"))
        col1, col2 = st.columns(2)
        load_file = st.button("load file")

        if select == "forex":
            symbol = col1.selectbox("", ("AUDJPY", "AUDUSD", "EURCHF", "EURGBP", "EURJPY", "EURUSD",
                                         "GBPJPY", "GBPUSD", "USDCAD", "USDCHF", "USDJPY", "XAUUSD"))
            timeframe = col2.selectbox("", ("m15", "m30", "h1", "h4", "d1"))
            if load_file:
                self.df = data.get_forex_data(symbol, timeframe)
        elif select == "stock":
            symbol = col1.text_input("", help="enter a stock symbol name")
            if load_file:
                self.df = data.get_stock_data(symbol)
        elif select == "url or path":
            file = col1.text_input("", help="enter url or local file path")
        elif select == "file upload":
            file = col1.file_uploader("", "csv")

        if load_file and file:
            st.write(file)
            self.df = pd.read_csv(file)

        if load_file:
            st.write("Data selected")

    def check_data(self):
        f"""
        # Select Data
        """
        if isinstance(self.df, pd.DataFrame):
            st.write("Data already exists")
            if st.button("change data"):
                st.warning("data and agent have been initialized")
                self.df = None
                self.agent = None

        if not isinstance(self.df, pd.DataFrame):
            self.select_data()

    def create_agent(self, agent_name, args):
        agent_dict = {"dqn": dqn.DQN, "qrdqn":qrdqn.QRDQN}
        self.agent = agent_dict[agent_name](**args)

    def agent_select(self):
        if not isinstance(self.df, pd.DataFrame):
            st.warning("data does not exist.\n"
                       "please select data")
            return None

        agent_name = st.selectbox("", ("dqn", "qrdqn"), help="select agent")

        """
        # select Args
        """
        col1, col2 = st.columns(2)
        network = col1.selectbox("select network", (nn.available_network))
        network_level = col2.selectbox("select network level", (f"b{i}" for i in range(8)))
        network += "_" + network_level
        self.model_name = network

        col1, col2, col3, col4 = st.columns(4)
        lr = float(col1.text_input("lr", "1e-4"))
        n = int(col2.text_input("n", "3"))
        risk = float(col3.text_input("risk", "0.01"))
        pip_scale = int(col4.text_input("pip scale", "25"))
        col1, col2 = st.columns(2)
        gamma = float(col1.text_input("gamma", "0.99"))
        use_device = col2.selectbox("use device", ("cpu", "gpu", "tpu"))
        train_spread = float(col1.text_input("train_spread", "0.2"))
        spread = int(col2.text_input("spread", "10"))

        kwargs = {"df": self.df, "model_name": network, "lr": lr, "pip_scale": pip_scale, "n": n,
                  "use_device": use_device, "gamma": gamma, "train_spread": train_spread,
                  "spread": spread, "risk": risk}

        if st.button("create agent"):
            self.create_agent(agent_name, kwargs)
            st.write("Agent created")

    def agent_train(self):
        if self.agent:
            if st.button("training"):
                self.agent.train()
        else:
            st.warning("agent does not exist.\n"
                       "please create agent")

    def show_result(self):
        if self.agent:
            self.agent.plot_result(self.agent.best_w)
        else:
            st.warning("agent does not exist.\n"
                       "please create agent")

    def model_save(self):
        if self.agent:
            save_name = st.text_input("save name", self.model_name)
            if st.button("model save"):
                self.agent.model.save(save_name)
                st.write("Model saved.")
        else:
            st.warning("agent does not exist.\n"
                       "please create agent")

    @staticmethod
    def clear_cache():
        if st.button("initialize"):
            st.experimental_memo.clear()
            del st.session_state["app"]
            gc.collect()

            m = """
                **Initialized.**
                """
            st.markdown(m)

1. 데이터 선택

check_data에서 데이터 존재 여부 확인

데이터가 이미 존재하는 경우st.button("change data") 데이터 변경 여부를 확인하고 클릭한 후 데이터를 초기화한다.

데이터가 존재하지 않는 상황에서 st.selectbox("", ("forex", "stock", "url or path", "file upload"))에서 데이터를 어디서 얻었는지 확인하고 선택한 데이터에 따라 마지막으로 클릭st.button("load file")하여 데이터를 읽는다.

2. 에이전트의 제작

데이터가 존재하는지 확인하고 존재하지 않을 때 경고합니다.

데이터가 존재할 때 사용하는 에이전트,network, 파라미터st.button("create agent")를 선택하고 에이전트를 만들려면 누르십시오.

3. 모델 트레이닝

에이전트가 존재하는지 확인하고 존재하지 않을 때 경고합니다.

존재하면 훈련 기종.

4. 훈련 결과의 표시

에이전트가 존재하는지 확인하고 존재하지 않을 때 경고합니다.

존재 시 훈련 결과가 표시됩니다.

5. 모델 저장

에이전트가 존재하는지 확인하고 존재하지 않을 때 경고합니다.

저장된 파일 이름을 입력하여 모델을 저장합니다.

6. 초기화

모두 초기화합니다.
다음 코드는 세션 상태에 저장된 클래스를 삭제합니다.

del st.session_state["app"]

실행

사이드바의 라디오 단추에서 선택한 요소에 따라 함수를 실행합니다

if __name__ == "__main__":
    
    #ページのレイアウトをワイドに変更する。
    st.set_page_config(layout="wide", )

    if "app" in st.session_state:
        app = st.session_state["app"]
    else:
        app = App()

    select = sidebar()

    # マークダウンの表示
    if select == "Home":
        home()

    elif select == "select data":
        app.check_data()
    elif select == "create agent":
        app.agent_select()
    elif select == "training":
        app.agent_train()
    elif select == "save model":
        app.model_save()
    elif select == "show results":
        app.show_result()

    st.session_state["app"] = app
    if select == "initialize":
        app.clear_cache()

아래 코드는 st.session_state에'app'가 존재하는 경우st.session_state에'app'를 불러오고 없으면'app'를 만듭니다.
마지막으로 st.session_state["app"]에 덮어씁니다.
왜 그랬을까
매번 선택 단추를 다시 선택할 때마다 처음부터 실행되며 데이터와 에이전트는 저장되지 않습니다.따라서 선택 단추를 다시 선택해도 바뀌지 않습니다. st.session_state 'app' 를 저장하고 불러옵니다.
사이드바 함수를 구분하는 이유는 'app' 이기 때문에, 뒷사이드바를 불러오면 표시되지 않습니다.
마지막으로 초기화한 이유는 삭제st.session_state["app"]하더라도 이 코드st.session_state["app"] = app까지는 의미가 없다는 것이다.

    if "app" in st.session_state:
        app = st.session_state["app"]
    else:
        app = App()

    st.session_state["app"] = app
    if select == "initialize":
        app.clear_cache()

github

https://github.com/komo135/traderl-web-app
전체 코드는 여기 있습니다.