Artefatto di ricerca automatizzato — non il progetto upstream.

Questo repository è un laboratorio usa e getta costruito da un sistema automatizzato per una tesi magistrale presso l'Université Laval sulla riproduzione di vulnerabilità pubblicate nei workflow di GitHub Actions. È uno snapshot integrale di gradio-app/gradio al commit f35f615e33a5dd90bfeb106b6f5dca689849fcef (2024-02-09), ridistribuito sotto la licenza di quel progetto, il cui file è incluso invariato in questo snapshot.

Il progetto upstream non è coinvolto, non è mai preso di mira, e la vulnerabilità studiata qui è già pubblica. Ogni segreto e variabile in questo repository è un valore fittizio generato casualmente — nessuna credenziale reale è presente. I riferimenti alle action e le immagini dei runner sono bloccati a ciò a cui risolvevano il 2024-02-09; vedi pinning.md nell'output del sistema per ogni modifica apportata allo snapshot.

Domande o obiezioni: [email protected]

---

Gradio: Crea App Web di Machine Learning — in Python

Gradio è un pacchetto Python open-source che ti permette di creare rapidamente una demo o un'applicazione web per il tuo modello di machine learning, la tua API o qualsiasi funzione Python arbitraria. Puoi poi condividere un link alla tua demo o applicazione web in pochi secondi grazie alle funzionalità di condivisione integrate di Gradio. Nessuna esperienza con JavaScript, CSS o hosting web richiesta!

Servono solo poche righe di Python per creare una demo bellissima come quella qui sopra, quindi iniziamo 💫

Installazione

Prerequisito: Gradio richiede Python 3.8 o superiore

Consigliamo di installare Gradio usando pip, che è incluso di default in Python. Esegui questo comando nel tuo terminale o prompt dei comandi:

pip install gradio

[!TIP] È meglio installare Gradio in un ambiente virtuale. Istruzioni di installazione dettagliate per tutti i sistemi operativi comuni sono fornite qui.

Creare la Tua Prima Demo

Puoi eseguire Gradio nel tuo editor di codice preferito, in un notebook Jupyter, in Google Colab o in qualsiasi altro posto dove scrivi Python. Scriviamo la tua prima app Gradio:

import gradio as gr

def greet(name, intensity):
    return "Hello " * intensity + name + "!"

demo = gr.Interface(
    fn=greet,
    inputs=["text", "slider"],
    outputs=["text"],
)

demo.launch()

[!TIP] Abbreviamo il nome importato da gradio a gr per una migliore leggibilità del codice. Questa è una convenzione ampiamente adottata che dovresti seguire così che chiunque lavori con il tuo codice possa capirlo facilmente.

Ora, esegui il tuo codice. Se hai scritto il codice Python in un file chiamato, ad esempio, app.py, allora dovresti eseguire python app.py dal terminale.

La demo qui sotto si aprirà in un browser su http://localhost:7860 se eseguita da un file. Se la stai eseguendo in un notebook, la demo apparirà incorporata nel notebook.

Digita il tuo nome nella casella di testo a sinistra, trascina il cursore e poi premi il pulsante Submit. Dovresti vedere un saluto amichevole a destra.

[!TIP] Quando sviluppi in locale, puoi eseguire la tua app Gradio in modalità hot reload, che ricarica automaticamente l'app Gradio ogni volta che apporti modifiche al file. Per fare questo, basta digitare gradio prima del nome del file invece di python. Nell'esempio sopra, dovresti digitare: gradio app.py nel tuo terminale. Scopri di più sull'hot reloading nella Guida all'Hot Reloading.

Capire la Classe Interface

Noterai che per creare la tua prima demo hai creato un'istanza della classe gr.Interface. La classe Interface è progettata per creare demo per modelli di machine learning che accettano uno o più input e restituiscono uno o più output.

La classe Interface ha tre argomenti fondamentali:

• fn: la funzione da avvolgere con un'interfaccia utente (UI)
• inputs: i componenti Gradio da usare per l'input. Il numero di componenti dovrebbe corrispondere al numero di argomenti nella tua funzione.
• outputs: i componenti Gradio da usare per l'output. Il numero di componenti dovrebbe corrispondere al numero di valori restituiti dalla tua funzione.

L'argomento fn è molto flessibile — puoi passare qualsiasi funzione Python che vuoi avvolgere con una UI. Nell'esempio sopra abbiamo visto una funzione relativamente semplice, ma la funzione potrebbe essere qualsiasi cosa, da un generatore musicale a un calcolatore di tasse alla funzione di previsione di un modello di machine learning preaddestrato.

Gli argomenti input e output accettano uno o più componenti Gradio. Come vedremo, Gradio include più di 30 componenti integrati (come i componenti gr.Textbox(), gr.Image() e gr.HTML()) progettati per applicazioni di machine learning.

[!TIP] Per gli argomenti inputs e outputs, puoi passare il nome di questi componenti come stringa ("textbox") o un'istanza della classe (gr.Textbox()).

Se la tua funzione accetta più di un argomento, come nel caso sopra, passa una lista di componenti di input a inputs, con ogni componente di input corrispondente a uno degli argomenti della funzione, in ordine. Lo stesso vale se la tua funzione restituisce più di un valore: basta passare una lista di componenti a outputs. Questa flessibilità rende la classe Interface un modo molto potente per creare demo.

Approfondiremo gr.Interface nella nostra serie su creare Interfaces.

Condividere la Tua Demo