В моей предыдущей статье я описал, как visualpython может помочь непрограммистам легко запускать свои процессы EDA и выигрывать время. Так как этот вид учебника помог многим новичкам погрузиться в мир науки о данных, я решил начать серию практических инструментов ML, в которых я поделится с вами уникальными инструментами, которые помогут вам сократить время и сосредоточиться на том, что важно.
Сегодняшний наш инструмент называется Gradio. Это новый и быстрый способ демонстрации ваших моделей машинного обучения с использованием интерактивных веб-интерфейсов.
Что может создать Gradio?
- Интерфейсы (веб-интерфейс)
- Компоненты (готовые к использованию компоненты)
- Помощники (методы взаимодействия с компонентами)
- Маршруты (взаимодействуют с API)
Теперь, когда мы знаем некоторые основные функции Gradio, давайте узнаем больше во время моей собственной демонстрации.
Пошаговое руководство:
Чтобы продемонстрировать, о чем я говорю, я собираюсь записать шаги, которые необходимо выполнить, чтобы использовать этот инструмент, а также пример из моего блокнота Jupyter, Наслаждайтесь!
1- Установите пакет:
pip install gradio
2- Привет мир демо:
# import gradio package import gradio as gr # define a function that receives a name and displays "hello name!" def greet(name): return "Hello " + name + "!" # the gradio Interface class ### with: ##fn: the function to wrap a UI around ##inputs: which component(s) to use for the input ##outputs: which component(s) to use for the output demo = gr.Interface(fn=greet, inputs="text", outputs="text") # launch the app! demo.launch()
3- Поделитесь демо-версией Hello world:
To create a public link, set `share=True` in launch()
Давай сделаем это!
# import gradio package import gradio as gr # define a function that receives a name and displays "hello name!" def greet(name): return "Hello " + name + "!" # the gradio Interface class ### with: ##fn: the function to wrap a UI around ##inputs: which component(s) to use for the input ##outputs: which component(s) to use for the output demo = gr.Interface(fn=greet, inputs="text", outputs="text") # launch the app and create shareable links! demo.launch(share=True)
Это выводит следующие вещи:
Теперь я могу получить доступ к своему графическому интерфейсу локально (localhost) или через общедоступную ссылку (используя платформу Huggingface), давайте продемонстрируем это!
4- Локальный доступ к демонстрации Hello world:
5- Общий доступ к демонстрации Hello world:
ну, Gradio дает вам общедоступную общедоступную ссылку, но срок ее действия истекает в течение 75 часов.
Давайте перейдем на платформу Hugginface!
Hugging Face Spaces бесплатно предоставляет инфраструктуру для постоянного размещения вашей модели машинного обучения!
После регистрации на платформе и подтверждения моей учетной записи я создал новое пространство, как показано на изображении ниже.
После этого я отправил свой файл script.py в созданный репозиторий,
После этого я перешел в раздел приложений, где я могу предварительно просмотреть свое приложение.
- Получите ссылку на приложение:
Просто нажмите правую кнопку в интерфейсе Huggingface и выберите «Встроить это пространство», и появится всплывающее меню с множеством вариантов:
Успех! Теперь я могу поделиться приложением со своими друзьями и открывать его с помощью различных устройств!
Перейдите на https://ismailouahbi-hello-world-demo.hf.space, чтобы просмотреть это приложение, и дайте мне знать, понравилась ли вам эта статья!
- Подробнее:
Поделитесь своим приложением (gradio.app)
Спасибо за прочтение.
Посетите мой веб-сайт: Домашняя страница — IsmailOuahbi.com
Следуйте за мной в LinkedIn, чтобы узнать больше.
Подпишись на меня в Твиттере".