Sitio web | Documentación | Guías | Empezando | Ejemplos
Inglés | 中文
Gradio es un paquete Python de código abierto que le permite crear rápidamente una demostración o una aplicación web para su modelo de aprendizaje automático, API o cualquier función arbitraria de Python. Luego puede compartir un enlace a su demostración o aplicación web en solo unos segundos utilizando las funciones para compartir integradas de Gradio. ¡No se necesita experiencia en JavaScript, CSS o alojamiento web!
Solo se necesitan unas pocas líneas de Python para crear su propia demostración, así que ¿comencemos?
Requisito previo : Gradio 5 requiere Python 3.10 o superior
Recomendamos instalar Gradio usando pip
, que se incluye de forma predeterminada en Python. Ejecute esto en su terminal o símbolo del sistema:
pip install --upgrade gradio
Consejo
Lo mejor es instalar Gradio en un entorno virtual. Aquí se proporcionan instrucciones de instalación detalladas para todos los sistemas operativos comunes.
Puede ejecutar Gradio en su editor de código favorito, Jupyter Notebook, Google Colab o en cualquier otro lugar donde escriba Python. Escribamos su primera aplicación Gradio:
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 ()
Consejo
Acortamos el nombre importado de gradio
a gr
. Esta es una convención ampliamente adoptada para mejorar la legibilidad del código.
Ahora, ejecuta tu código. Si ha escrito el código Python en un archivo llamado app.py
, entonces deberá ejecutar python app.py
desde la terminal.
La siguiente demostración se abrirá en un navegador en http://localhost:7860 si se ejecuta desde un archivo. Si está ejecutando dentro de una computadora portátil, la demostración aparecerá incrustada en la computadora portátil.
Gradio tiene la licencia Apache 2.0 que se encuentra en el archivo LICENCIA en el directorio raíz de este repositorio.
Consulte también el artículo Gradio: uso compartido y prueba sin complicaciones de modelos de aprendizaje automático en la naturaleza, ICML HILL 2019 , y citéelo si utiliza Gradio en su trabajo.
@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},
}