AI屋さんの 追加学習済み LLMの streamlitでWebアプリをクラウドデプロイ 実践編
streamlitをお手軽に、
サーバーレスでWebアプリをデプロイしてみましょう。
追加学習済みのＬＬＭを安価に共有する方法です。
完成ずみのwebapiを使って、
既にある、皆様のポータルサイトで呼び出したり
別途、独立サイトで運用したり 色々できます。
既知のサイトです。（第五回参照）
https://
bono0-ghc4uieygq-an.a.run.app
flaskは基本にて万能ですが、やっぱりstreamlitでサクッと作りたいですよね。
はい、簡単につくれます。
streamlitをサーバーレスでデプロイする方法は、いくつかありますが、
今回は、
cloud run の Dockerfile （先頭は大文字）で作ります。
ポートは 8080 を開けます。
pip install も直接書いちゃえば requirements.txt 不用。
ローカルのdockerで ビルドしてランして 動作確認します。
薄皮一枚のWebアプリにして、極力単純構成、
重そうなのは、再利用可能なwebapiに分離しときます。
LLMの追加学習 ２００万トークン 全文入力 プロンプトモデルのAPIを沢山用意して交換すれば、
あらゆる 専門分野特化のLLM もいけちゃいます。
必要なファイルは、これだけです。
app.py
Dockerfile
ファイル内容：準備中
動作確認が無事に終われば
後は、コマンド一発
gcloud run deploy
で完成です。
複数の命令のコンボです。
１、ソースコードからイメージをビルド
２、イメージをクラウドにプッシュ
３、イメージからwebアプリを docker run
４、待機インスタンス：0で 8080リッスン
更に、ドッカー経由とビルドパック経由（最新全自動ビルド？）でビルドできるので
flaskなどは、Dockerfileなしでもデプロイできます。
ただし、streamlitは一工夫必要です。
今回は、ローカルでビルド確認済みDockerfileのままです。
細かな、初回設定などは公式のサンプルをコピーして一度実行すれば
もれなく整います。
公式参照
目次
第八回：AI屋さんの streamlitでWebアプリをクラウドデプロイ 実践編
本書
第七回：AI屋さんの Webアプリをクラウドデプロイ 実践編
第六回：追加学習済み LLMの flaskでWebアプリをクラウドデプロイ
第五回：追加学習済み LLMの streamlitでWebアプリをクラウドデプロイ
第四回：追加学習済み LLMのwebapiをクラウドデプロイ
第三回：追加学習済み LLMのwebapiを作る
第二回：大規模言語モデルの簡単な追加学習、実践編
第一回：大規模言語モデルの簡単な追加学習
無事に
AI屋さんの 追加学習済み LLMの streamlitでWebアプリをクラウドデプロイ 実践編
完成です。おめでとうございます。
ー完ー