streamlit使用时显示Runtime hasn't been created!

在 Streamlit 中出现 "Runtime hasn't been created!" 错误通常是由于创建 TensorFlow Session 的方式不正确导致的。

Streamlit 是一个 Web 应用程序框架，用于构建交互式数据应用程序。当你在 Streamlit 应用程序中使用 TensorFlow 时，你需要确保正确地创建 TensorFlow Session。

以下是一个可以在 Streamlit 中使用 TensorFlow 的示例：

import streamlit as st
import tensorflow as tf

# 创建计算图和 TensorFlow Session
graph = tf.Graph()
session = tf.Session(graph=graph)

# 在 TensorFlow Session 中执行计算图的操作
with graph.as_default():
    # 定义计算图的操作
    x = tf.placeholder(tf.float32, shape=[None, 784])
    y_ = tf.placeholder(tf.float32, shape=[None, 10])
    W = tf.Variable(tf.zeros([784, 10]))
    b = tf.Variable(tf.zeros([10]))
    y = tf.nn.softmax(tf.matmul(x, W) + b)

# 在 Streamlit 应用程序中使用 TensorFlow Session
def main():
    st.title("TensorFlow Demo")
    st.write("This is a demo of TensorFlow running inside Streamlit.")

    # 加载 MNIST 数据集
    mnist = tf.keras.datasets.mnist
    (x_train, y_train), (x_test, y_test) = mnist.load_data()

    # 预处理数据
    x_train = x_train.reshape(-1, 784) / 255.0
    x_test = x_test.reshape(-1, 784) / 255.0
    y_train = tf.keras.utils.to_categorical(y_train, 10)
    y_test = tf.keras.utils.to_categorical(y_test, 10)

    # 在 TensorFlow Session 中运行训练操作
    with graph.as_default():
        cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
        train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
        session.run(tf.global_variables_initializer())

        for i in range(1000):
            batch = next_batch(100, x_train, y_train)
            train_step.run(session=session, feed_dict={x: batch[0], y_: batch[1]})

    # 在 TensorFlow Session 中评估模型
    with graph.as_default():
        correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
        acc = accuracy.eval(session=session, feed_dict={x: x_test, y_: y_test})

    # 显示结果
    st.write("Accuracy:", acc)

if __name__ == "__main__":
    main()

在上面的示例中，我们使用 `tf.Session(graph=graph)` 创建了一个 TensorFlow Session，并将计算图 `graph` 与之关联。然后，在 `with graph.as_default():` 代码块中定义了计算图的操作，并在 TensorFlow Session 中执行了这些操作。最后，我们在 Streamlit 应用程序中使用 TensorFlow Session 运行训练操作和评估操作。

希望这个示例能够帮助你解决 "Runtime hasn't been created!" 错误。