Documentation · Cadriciels

Déployer Python.

FastAPI, Flask, Django, Streamlit, Gradio — Canner détecte le cadriciel à partir de vos dépendances, construit un environnement virtuel et démarre le bon serveur. Ni Dockerfile, ni Procfile.

Ce que la détection recherche

Un projet avec requirements.txt, pyproject.toml ou Pipfile (et sans package.json) se déploie en Python. Le cadriciel — et donc la commande de démarrage — découle de vos dépendances :

DépendanceDémarrage
streamlitstreamlit run app.py sur le port assigné
gradiovotre fichier d’entrée, avec l’environnement serveur de Gradio préréglé
fastapi / uvicornuvicorn main:app
flask / gunicorngunicorn sur votre objet application
Django (manage.py)gunicorn sur votre module WSGI

Les fichiers d’entrée candidats sont vérifiés dans l’ordre : app.py, main.py, server.py, demo.py, etc. Un déploiement FastAPI minimal tient en deux fichiers :

# requirements.txt
fastapi
uvicorn
# main.py
from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def root():
    return {"ok": True}

Applications d’apprentissage automatique

Les dépendances lourdes (torch, transformers et semblables) exigent un forfait payant — les installations pèsent plusieurs gigaoctets et les modèles ont besoin de la marge mémoire qu’offre Live (Forfaits et limites). Les applications de données courantes (pandas, numpy, requests) tournent sur le forfait gratuit.

Bon à savoir

  • Python 3.11 avec dépendances installées par pip ou uv dans un environnement virtuel local au projet.
  • Les variables de l’onglet Variables d’environnement sont dans os.environ au build et à l’exécution.
  • Les démos Streamlit et Gradio se déploient très bien par glisser-déposer — un dossier avec app.py + requirements.txt suffit.
  • La vérification d’état interroge / — Streamlit, Gradio, FastAPI et Flask y répondent par défaut.