Gradio機器學習模型快速部署工具quickstart怎么使用

本文小編為大家詳細介紹“Gradio機器學習模型快速部署工具quickstart怎么使用”，內容詳細，步驟清晰，細節處理妥當，希望這篇“Gradio機器學習模型快速部署工具quickstart怎么使用”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

Gradio 是做什么的？

先決條件：Gradio 需要 Python 3.7 或更高版本，僅此而已！

gradio.app/quickstart/…

與他人分享您的機器學習模型、API 或數據科學工作流程的最佳方式_之一是創建一個交互式應用程序，讓您的用戶或同事可以在他們的瀏覽器中試用該演示。

Gradio 允許您**構建演示并共享它們，所有這些都在 Python 中。**通常只需幾行代碼！讓我們開始吧。

Hello, World

要使用簡單的“Hello, World”示例運行 Gradio，請執行以下三個步驟：

1.使用pip安裝Gradio：

pip install gradio

2. 將以下代碼作為 Python 腳本或在 Jupyter Notebook中運行：

import gradio as gr
def greet(name):
    return "Hello " + name + "!"
demo = gr.Interface(fn=greet, inputs="text", outputs="text")
demo.launch()

3. 下面的演示將自動出現在 Jupyter Notebook 中，或者如果從腳本運行則在瀏覽器中彈出 http://localhost:7860

漸變/你好世界 使用 Gradio構建。 托管在 空間

在本地開發時，如果您想將代碼作為 Python 腳本運行，您可以使用 Gradio CLI 以重新加載模式啟動應用程序，這將提供無縫和快速的開發。在自動重新加載指南中了解有關重新加載的更多信息。

gradio app.py

注意：你也可以這樣做python app.py，但它不會提供自動重新加載機制。

類Interface

https://gradio.app/quickstart/#the-interface-class

您會注意到，為了制作演示，我們創建了一個gradio.Interface. 此類Interface可以使用用戶界面包裝任何 Python 函數。在上面的示例中，我們看到了一個簡單的基于文本的函數，但該函數可以是任何東西，從音樂生成器到稅收計算器再到預訓練機器學習模型的預測函數。

核心Interface類使用三個必需參數進行初始化：

• fn: 環繞 UI 的函數

• inputs: 哪個組件用于輸入（例如"text","image"或"audio"）

• outputs: 用于輸出的組件（例如"text","image"或"label"）

讓我們仔細看看這些用于提供輸入和輸出的組件。

組件屬性

gradio.app/quickstart/…

我們Textbox在前面的示例中看到了一些簡單的組件，但是如果您想更改 UI 組件的外觀或行為方式怎么辦？

假設您想要自定義輸入文本字段——例如，您希望它更大并且有一個文本占位符。如果我們使用實際的類Textbox而不是使用字符串快捷方式，您可以通過組件屬性訪問更多的可定制性。

import gradio as gr
def greet(name):
    return "Hello " + name + "!"
demo = gr.Interface(
    fn=greet,
    # 改變外觀
    inputs=gr.Textbox(lines=2, placeholder="Name Here..."),
    outputs="text",
)
demo.launch()

多個輸入和輸出組件

gradio.app/quickstart/…

假設您有一個更復雜的函數，具有多個輸入和輸出。在下面的示例中，我們定義了一個函數，它接受一個字符串、布爾值和數字，并返回一個字符串和數字。看一下如何傳遞輸入和輸出組件列表。

import gradio as gr
def greet(name, is_morning, temperature):
    salutation = "Good morning" if is_morning else "Good evening"
    greeting = f"{salutation} {name}. It is {temperature} degrees today"
    celsius = (temperature - 32) * 5 / 9
    return greeting, round(celsius, 2)
demo = gr.Interface(
    fn=greet,
    inputs=["text", "checkbox", gr.Slider(0, 100)],
    outputs=["text", "number"],
)
demo.launch()

讀到這里，這篇“Gradio機器學習模型快速部署工具quickstart怎么使用”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。