当我使用 st.cache 时，Streamlit Unhashable TypeError答案

【问题标题】：Streamlit Unhashable TypeError when i use st.cache当我使用 st.cache 时，Streamlit Unhashable TypeError
【发布时间】：2022-01-13 09:28:17
【问题描述】：

当我使用 st.cache 装饰器兑现拥抱脸变压器模型时，我得到了

不可散列的类型错误

这是代码

from transformers import pipeline 
import streamlit as st 
from io import StringIO

@st.cache(hash_funcs={StringIO: StringIO.getvalue})
def model() :
    return pipeline("sentiment-analysis", model='akhooli/xlm-r-large-arabic-sent')

【问题讨论】：

标签： huggingface-transformers streamlit

【解决方案1】：

这对我有用：

from transformers import pipeline 
import tokenizers
import streamlit as st 
import copy


@st.cache(hash_funcs={tokenizers.Tokenizer: lambda _: None, tokenizers.AddedToken: lambda _: None})
def get_model() :
    return pipeline("sentiment-analysis", model='akhooli/xlm-r-large-arabic-sent')

input = st.text_input('Text')
bt = st.button("Get Sentiment Analysis")

if bt and input:
    model = copy.deepcopy(get_model())
    st.write(model(input))

注意 1：使用输入 model(input) 调用管道会更改模型，我们不应该更改缓存值，因此我们需要复制模型并在副本上运行它。

注意 2：第一次运行将使用get_model 函数加载模型，下一次运行将使用chace。

注意 3：您可以在documentation 中阅读有关 stremlit 中高级缓存的更多信息。

输出示例：

【讨论】：

这也有效，我试过 allow_output_mutation = True 也有效

【解决方案2】：

在 streamlit repo 的问题部分中搜索后

我发现不需要散列参数，只需要传递这个参数

allow_output_mutation = 真

【讨论】：