介绍 Gradio 与 Hugging Face

本文主要是介绍介绍 Gradio 与 Hugging Face，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

🍉 CSDN 叶庭云：https://yetingyun.blog.csdn.net/

我们可以使用 Gradio 库为我们的模型构建演示。Gradio 允许您完全使用 Python 为任何机器学习模型构建、自定义和共享基于 Web 的演示。使机器学习模型变得可交互和易于使用。

为什么首先要为您的机器学习模型构建交互式演示或图形用户界面（GUI）呢？以下是演示的好处：

机器学习开发人员可以轻松地向包括非技术团队或客户在内的广大受众展示他们的工作。
研究人员更轻松地重现机器学习模型和行为。
使用自动共享链接功能快速部署您的模型，并且获得有关其性能的反馈信息。质量测试人员或终端用户更容易识别和调试模型的故障点。
使用内置的操作和解释工具，以交互的方式调试您的模型。不同的用户可以发现模型中的算法偏差。

Gradio 官方文档：https://www.gradio.app/docs/interface

Gradio 是一个用于构建机器学习模型演示的工具，用户可以轻松创建用户友好界面的演示，并在本地共享。Gradio 旨在提高机器学习模型的演示可定制性和访问便捷性，以满足不同用户的需求。

在这里插入图片描述

Interface 是 Gradio 的主要高级类，只需几行代码就能为机器学习模型（或任何 Python 函数）创建 Web-based 的用户友好界面的演示。您必须指定三个参数：（1）用于创建 GUI 的函数 fn（2）所需的输入组件 inputs ，对于文本、图片等简单类型可直接写成 [“text”, “image”]。（3）所需的输出组件 outputs，与输入类似。您还可以使用额外的参数来控制演示的外观和行为。Gradio 提供了 Interface 和 Blocks 两个类来创建 Web 演示，Interface 类封装程度高，Blocks 类具有更多自定义选项（更灵活）。gr.Blocks() 一般应用在定制化的复杂场景，可以自己定义很多模块，进行组合。如果您对 Blocks 的工作原理感兴趣，请阅读其专用指南。

通过自定义组件，您可以创建满足特定需求的自定义输入和输出，从而提供更灵活的演示选项。想要查看 Gradio 支持的所有组件列表以及您可以使用哪些属性来自定义它们，请仔细查阅 Gradio 官方文档。

Github 地址：https://github.com/gradio-app/gradio

Gradio 是一个开源的 Python 包，让你可以快速为你的机器学习模型、API 或任何 Python 函数构建一个演示或 Web 应用程序。通过使用 Gradio 的内置分享功能，你可以在几秒钟内分享你的演示或 Web 应用程序的链接。无需 JavaScript、CSS 或网站托管经验！Gradio 是建立在许多优秀的开源库之上的！

Gradio is built on top of many wonderful open-source libraries!

Gradio 解决了什么问题？😲

创建一个交互式的 demo 是与他人共享您的机器学习模型、API 或数据科学工作流的最佳方式之一，让您的用户或同事可以直接在浏览器中体验。

基于 Web 的演示 demo 很受欢迎，因为它允许任何人（不仅仅是技术人员）直接在浏览器中尝试输入并了解您所构建的内容。然而，创建基于 Web 的 demo 可能会很具有挑战性，因为您需要了解支撑 Web 应用的后端服务以及构建 UI 界面的前端开发知识（HTML、CSS、JavaScript）。

Gradio 允许您仅使用 Python 构建 demo 并分享，通常只需几行代码！

🤗 Hugging Face 是一家估值 20 亿美元的 AI 独角兽，有 24 个投资人，包括 Lux Capital，红杉资本等。在大模型领域，我们已经看多了巨额融资，例如 OpenAI 获得微软的百亿美元投资，以及去年暑期 InflectionAI 获得微软和英伟达的 13 亿美元融资。但是 Hugging Face 这家估值 “仅 20 亿美元” 的公司，却是目前 AI 领域的创造力中心之一。因为它是一个 “构建未来的 AI 开源社区”，被称为 “AI 领域的 Github”，不仅有人数众多的开发者和产品经理在它的社区里研究和发布自己训练或微调的 AI 模型，客户也超过 5000 个（其中 3000 个是付费客户）。

一句话总结：Hugging Face 是一个开源 AI 社区和数据科学平台，通过提供高质量的开源模型和工具，降低了人工智能技术门槛，成为 AI 开源社区的顶流。

要点：1. Hugging Face 成立于 2016 年，通过平台提供开源模型和工具，帮助用户构建、训练和部署机器学习模型。2. Hugging Face 的优势在于节省时间、资源和环境，可以通过微调现有的预训练模型来快速获得结果。3. 创始人 Clem Delangue 在学习期间放弃了谷歌的工作邀请，创办了自己的初创公司，并与 Julien Chaumond 和 Thomas Wolf 共同创办了 Hugging Face。4. Hugging Face 最初的产品是一个聊天机器人，通过自然语言处理驱动。2017 年，Hugging Face 聊天机器人拥有了独特的功能，并可以进行高效的对话。团队将其产品定位为为无聊青少年量身打造的个性鲜明的聊天机器人。但在两年后失去了吸引力。

如今，Hugging Face 的一个重要组成部分是名为 Transformers 的自然语言处理库，其 Transformers 库在 GitHub 上拥有 62000 颗星和 14000 个分叉。这意味着开发人员和数据科学社区正在积极使用和改进 Hugging Face 的技术。根据 Hugging Face 的说法，Transformers 提供了 API，可以轻松下载和训练最先进的预训练模型。使用预训练模型可以降低计算成本、减少碳足迹，并节省大量训练模型的时间。

Hugging Face 提供了一个免费增值模型，客户可以使用其推理 API，获得基础的 AI 推理能力以及免费的社区支持；其付费服务允许客户轻松训练模型，提高推理 API 的性能等。它的其他产品和服务还包括 Datasets（应用于多模态模型的数据集），Hub（模型和数据集的托管服务）， Tokenizers（高速分词器，帮助把数据转化成模型能理解的形式）等。

为了向合作伙伴永久展示我们的模型演示，您可以将 Gradio 的模型部署到 HuggingFace 的 Space 托管空间中，而且完全免费哦。部署方法如下：

第一步，注册 HuggingFace 账号：https://huggingface.co/
第二步，在 Space 托管空间中创建项目：https://huggingface.co/spaces
第三步，创建好的项目会有一个 Readme 文档，您可以根据其中的说明操作，也可以手动编辑 app.py 和 requirements.txt 文件。

在这里插入图片描述

总结：Gradio 是一个强大的工具，可以将抽象的机器学习模型转化为交互式 Web 界面，无需编写 HTML、CSS 或 JavaScript。这使得非开发者也能够轻松使用和体验模型。Gradio 支持广泛的输入和输出类型，包括文本、图像、音频和视频。此外，Gradio 还提供了可定制的界面设计和布局，以满足不同品牌和用户需求。它适用于模型迭代测试和汇报展示，能够快速获取用户反馈。Gradio 还支持轻松与他人共享界面，甚至可以通过 URL 共享或嵌入到网站或应用程序中。

📚️ 参考链接：