Website | Dokumentation | Anleitungen | Erste Schritte | Beispiele
Englisch | 中文
Gradio ist ein Open-Source-Python-Paket, mit dem Sie schnell eine Demo- oder Webanwendung für Ihr maschinelles Lernmodell, Ihre API oder eine beliebige Python-Funktion erstellen können. Mithilfe der integrierten Freigabefunktionen von Gradio können Sie dann in nur wenigen Sekunden einen Link zu Ihrer Demo oder Webanwendung freigeben . Keine JavaScript-, CSS- oder Webhosting-Erfahrung erforderlich!
Es sind nur ein paar Zeilen Python erforderlich, um Ihre eigene Demo zu erstellen. Also fangen wir an?
Voraussetzung : Gradio 5 erfordert Python 3.10 oder höher
Wir empfehlen die Installation von Gradio mit pip , das standardmäßig in Python enthalten ist. Führen Sie dies in Ihrem Terminal oder Ihrer Eingabeaufforderung aus:
pip install --upgrade gradioTipp
Am besten installieren Sie Gradio in einer virtuellen Umgebung. Ausführliche Installationsanleitungen für alle gängigen Betriebssysteme finden Sie hier.
Sie können Gradio in Ihrem bevorzugten Code-Editor, Jupyter-Notebook, Google Colab oder überall dort ausführen, wo Sie Python schreiben. Lassen Sie uns Ihre erste Gradio-App schreiben:
import gradio as gr
def greet ( name , intensity ):
return "Hello, " + name + "!" * int ( intensity )
demo = gr . Interface (
fn = greet ,
inputs = [ "text" , "slider" ],
outputs = [ "text" ],
)
demo . launch ()Tipp
Wir kürzen den importierten Namen von gradio auf gr ab. Dies ist eine weit verbreitete Konvention zur besseren Lesbarkeit von Code.
Führen Sie nun Ihren Code aus. Wenn Sie den Python-Code in eine Datei mit dem Namen app.py geschrieben haben, würden Sie python app.py vom Terminal aus ausführen.
Die folgende Demo wird in einem Browser unter http://localhost:7860 geöffnet, wenn sie aus einer Datei ausgeführt wird. Wenn Sie in einem Notebook arbeiten, wird die Demo im Notebook eingebettet angezeigt.
Gradio ist unter der Apache-Lizenz 2.0 lizenziert, die sich in der LICENSE-Datei im Stammverzeichnis dieses Repositorys befindet.
Schauen Sie sich auch den Artikel Gradio: Hassle-Free Sharing and Testing of ML Models in the Wild, ICML HILL 2019 an und zitieren Sie ihn bitte, wenn Sie Gradio in Ihrer Arbeit verwenden.
@article{abid2019gradio,
title = {Gradio: Hassle-Free Sharing and Testing of ML Models in the Wild},
author = {Abid, Abubakar and Abdalla, Ali and Abid, Ali and Khan, Dawood and Alfozan, Abdulrahman and Zou, James},
journal = {arXiv preprint arXiv:1906.02569},
year = {2019},
}
