Gradio Spaces

Gradio, bir giriş listesinden model çalıştırıp çıktıları görüntü, ses, 3D nesne gibi formatlarda görüntülemek için kolay ve sezgisel bir arayüz sunar. Gradio artık Matplotlib, Bokeh ve Plotly ile veri görselleştirmeleri oluşturmak için Plot output bileşeni bile içeriyor! Daha fazla ayrıntı için Gradio ekibinin Getting started kılavuzuna göz atın.

Yeni bir Space oluştururken SDK olarak Gradio seçildiğinde, README.md dosyanızdaki YAML bloğunda sdk özelliğini gradio olarak ayarlayarak Space’iniz en son Gradio sürümüyle başlatılır. Gradio sürümünü değiştirmek isterseniz sdk_version özelliğini düzenleyebilirsiniz.

Özelliklerinin tamamını öğrenmek için Gradio dokümantasyonunu ziyaret edin ve başlamanıza yardımcı olacak pratik eğitimler için Gradio Kılavuzlarına göz atın!

İlk Gradio Space'iniz: Sosisli Sınıflandırıcı

Aşağıdaki bölümlerde, bir Space oluşturma, yapılandırma ve kodunuzu bu Space’e dağıtma temellerini öğreneceksiniz. Gradio ile, verilen bir resimde sosisli sandviç 🌭 olup olmadığını tespit edebilen julien-c/hotdog-not-hotdog modelini demo olarak kullanacak bir Hot Dog Classifier Space oluşturacağız.

Bu projenin tamamlanmış bir sürümünü NimaBoscarino/hotdog-gradio adresinde bulabilirsiniz.

Yeni bir Gradio Space oluşturun

Önce yepyeni bir Space oluşturarak ve SDK olarak Gradio seçerek başlayacağız. Hugging Face Spaces, Git depolarıdır; bu da, commit’ler göndererek Space’iniz üzerinde kademeli (ve işbirlikçi) olarak çalışabileceğiniz anlamına gelir. Devam etmeden önce dosyaları nasıl oluşturup düzenleyebileceğinizi öğrenmek için Depolarla Başlangıç kılavuzuna göz atın.

Bağımlılıkları ekleyin

Hot Dog Classifier için modeli kullanmak üzere 🤗 Transformers pipeline kullanacağız, bu nedenle birkaç bağımlılığı kurarak başlamamız gerekiyor. Bunu, depomuzda bir requirements.txt dosyası oluşturup aşağıdaki bağımlılıkları ekleyerek yapabiliriz:

transformers
torch

Spaces çalışma zamanı bağımlılıkları yüklemeyi halleder!

Gradio arayüzünü oluşturun

Gradio uygulamasını oluşturmak için depoda app.py adında yeni bir dosya oluşturun ve aşağıdaki kodu ekleyin:

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()

Bu Python betiği, Gradio arayüzü tarafından kullanılan julien-c/hotdog-not-hotdog modelini yüklemek için 🤗 Transformers pipeline kullanır. Gradio uygulaması, bir görsel yüklemenizi bekler ve ardından bu görseli hot dog veya not hot dog olarak sınıflandırır. Kodu app.py dosyasına kaydettikten sonra, uygulamanızı çalışırken görmek için App sekmesine gidin!

Gradio Spaces'i diğer web sayfalarına göm

Gradio Space'ı, Web Bileşenleri veya HTML <iframe> etiketini kullanarak diğer web sayfalarına gömebilirsiniz. Daha fazla ayrıntı için belgelerimize veya Gradio belgelerine göz atın.