Site Web | Documents | Guides | Commencer | Exemples
Anglais | Chine
Gradio est un package Python open source qui vous permet de créer rapidement une démo ou une application Web pour votre modèle d'apprentissage automatique, votre API ou toute fonction Python arbitraire. Vous pouvez ensuite partager un lien vers votre démo ou votre application Web en quelques secondes seulement grâce aux fonctionnalités de partage intégrées de Gradio. Aucune expérience en JavaScript, CSS ou en hébergement Web n'est nécessaire !
Il suffit de quelques lignes de Python pour créer votre propre démo, alors commençons ?
Prérequis : Gradio 5 nécessite Python 3.10 ou supérieur
Nous vous recommandons d'installer Gradio en utilisant pip
, qui est inclus par défaut dans Python. Exécutez ceci dans votre terminal ou votre invite de commande :
pip install --upgrade gradio
Conseil
Il est préférable d'installer Gradio dans un environnement virtuel. Des instructions d'installation détaillées pour tous les systèmes d'exploitation courants sont fournies ici.
Vous pouvez exécuter Gradio dans votre éditeur de code préféré, votre notebook Jupyter, Google Colab ou partout ailleurs où vous écrivez Python. Écrivons votre première application 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 ()
Conseil
Nous raccourcissons le nom importé de gradio
en gr
. Il s'agit d'une convention largement adoptée pour une meilleure lisibilité du code.
Maintenant, exécutez votre code. Si vous avez écrit le code Python dans un fichier nommé app.py
, vous exécuterez alors python app.py
depuis le terminal.
La démo ci-dessous s'ouvrira dans un navigateur sur http://localhost:7860 si elle est exécutée à partir d'un fichier. Si vous utilisez un notebook, la démo apparaîtra intégrée au notebook.
Gradio est sous licence Apache License 2.0 trouvée dans le fichier LICENSE dans le répertoire racine de ce référentiel.
Consultez également l'article Gradio : Partage et test sans tracas de modèles ML dans la nature, ICML HILL 2019 , et veuillez le citer si vous utilisez Gradio dans votre travail.
@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},
}