gradio

Веб-сайт | Документация | Путеводители | Начало работы | Примеры

английский | 中文

Gradio: создание веб-приложений машинного обучения на Python

Gradio — это пакет Python с открытым исходным кодом, который позволяет быстро создать демонстрационное или веб-приложение для вашей модели машинного обучения, API или любой произвольной функции Python. Затем вы можете всего за несколько секунд поделиться ссылкой на свое демо или веб-приложение, используя встроенные функции обмена Gradio. Никакого опыта работы с JavaScript, CSS или веб-хостингом не требуется!

Чтобы создать собственную демо-версию, достаточно всего лишь нескольких строк Python, так что давайте начнем?

Установка

Предварительное условие : для Gradio 5 требуется Python 3.10 или выше.

Мы рекомендуем устанавливать Gradio с помощью pip , который по умолчанию включен в Python. Запустите это в терминале или командной строке:

pip install --upgrade gradio

Кончик

Лучше всего устанавливать Gradio в виртуальной среде. Подробные инструкции по установке для всех распространенных операционных систем представлены здесь.

Создание вашей первой демоверсии

Вы можете запустить Gradio в своем любимом редакторе кода, блокноте Jupyter, Google Colab или в любом другом месте, где вы пишете Python. Давайте напишем ваше первое приложение 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 ()

Кончик

Мы сокращаем импортированное имя с gradio до gr . Это широко распространенное соглашение для лучшей читаемости кода.

Теперь запустите свой код. Если вы написали код Python в файле с именем app.py , вам следует запустить python app.py с терминала.

Демонстрация ниже откроется в браузере по адресу http://localhost:7860, если она запускается из файла. Если вы работаете в блокноте, демо-версия будет встроена в блокнот.

Лицензия

Gradio распространяется по лицензии Apache License 2.0, которая находится в файле LICENSE в корневом каталоге этого репозитория.

Цитирование

Также ознакомьтесь с документом Gradio: простой обмен и тестирование моделей машинного обучения в дикой природе, ICML HILL 2019 , и цитируйте его, если вы используете Gradio в своей работе.

 @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},
}