Gradio Spaces

Gradio menyediakan antarmuka yang mudah dan intuitif untuk menjalankan model dari daftar input dan menampilkan output dalam format seperti gambar, audio, objek 3D, dan lainnya. Gradio kini bahkan memiliki Plot output component untuk membuat visualisasi data dengan Matplotlib, Bokeh, dan Plotly! Untuk detail lebih lanjut, lihat panduan Getting started dari tim Gradio.

Memilih Gradio sebagai SDK saat membuat Space baru akan menginisialisasi Space Anda dengan versi Gradio terbaru dengan mengatur properti sdk menjadi gradio di blok YAML file README.md Anda. Jika Anda ingin mengubah versi Gradio, Anda dapat mengedit properti sdk_version.

Kunjungi dokumentasi Gradio untuk mempelajari semua fiturnya dan lihat Panduan Gradio untuk beberapa tutorial praktis yang membantu Anda memulai!

Space Gradio Pertama Anda: Klasifikator Hot Dog

Pada bagian-bagian berikut, Anda akan mempelajari dasar-dasar pembuatan Space, konfigurasinya, dan penerapan kode Anda ke dalamnya. Kami akan membuat Space Hot Dog Classifier dengan Gradio yang akan digunakan untuk mendemokan model julien-c/hotdog-not-hotdog, yang dapat mendeteksi apakah gambar tertentu mengandung hot dog 🌭

Anda dapat menemukan versi lengkap dari ini yang dihosting di NimaBoscarino/hotdog-gradio.

Buat Gradio Space baru

Kita akan mulai dengan membuat Space baru dan memilih Gradio sebagai SDK. Hugging Face Spaces adalah repositori Git, yang berarti Anda dapat bekerja pada Space secara bertahap (dan kolaboratif) dengan mendorong commit. Lihat panduan Mulai dengan Repositori untuk mempelajari cara membuat dan mengedit file sebelum melanjutkan.

Tambahkan dependensi

Untuk Hot Dog Classifier, kita akan menggunakan 🤗 Transformers pipeline untuk memakai model, sehingga kita perlu mulai dengan menginstal beberapa dependensi. Hal ini dapat dilakukan dengan membuat file requirements.txt di repositori kita, lalu menambahkan dependensi berikut ke dalamnya:

transformers
torch

Runtime Spaces akan menangani instalasi dependensi!

Buat antarmuka Gradio

Untuk membuat aplikasi Gradio, buat file baru di repositori bernama app.py, dan tambahkan kode berikut:

import gradio as gr
from transformers import pipeline

pipeline = pipeline(task="image-classification", model="julien-c/hotdog-not-hotdog")

def predict(input_img):
    predictions = pipeline(input_img)
    return input_img, {p["label"]: p["score"] for p in predictions} 

gradio_app = gr.Interface(
    predict,
    inputs=gr.Image(label="Select hot dog candidate", sources=['upload', 'webcam'], type="pil"),
    outputs=[gr.Image(label="Processed Image"), gr.Label(label="Result", num_top_classes=2)],
    title="Hot Dog? Or Not?",
)

if __name__ == "__main__":
    gradio_app.launch()

Skrip Python ini menggunakan 🤗 Transformers pipeline untuk memuat model julien-c/hotdog-not-hotdog, yang digunakan oleh antarmuka Gradio. Aplikasi Gradio akan mengharapkan Anda mengunggah gambar, yang kemudian akan diklasifikasikan sebagai hot dog atau not hot dog. Setelah Anda menyimpan kode ke file app.py, kunjungi tab App untuk melihat aplikasi Anda berjalan!

Menanamkan Gradio Spaces di halaman web lain

Anda dapat menyematkan Gradio Space di halaman web lain dengan menggunakan Web Components atau tag HTML <iframe>. Lihat dokumentasi kami atau dokumentasi Gradio untuk detail lebih lanjut.