Автоматизированный исследовательский артефакт — не вышестоящий проект.

Этот репозиторий — одноразовая лаборатория, созданная автоматизированной системой для магистерской диссертации в Université Laval по воспроизведению опубликованных уязвимостей в рабочих процессах GitHub Actions. Это точный снимок gradio-app/gradio на коммите 1d986217f6f4fc1829e528d2afe365635788204f (2023-11-03), распространённый под собственной лицензией этого проекта, файл которой включён в этот снимок без изменений.

Вышестоящий проект не участвует, никогда не является целью, а изучаемая здесь уязвимость уже публична. Каждый секрет и переменная в этом репозитории — случайно сгенерированное фиктивное значение — никаких реальных учётных данных здесь нет. Ссылки на действия и образы раннеров закреплены на те значения, которым они соответствовали на 2023-11-03; см. pinning.md в выводе системы для каждого изменения, внесённого в снимок.

Вопросы или возражения: [email protected]

---

Gradio: Создавайте веб-приложения для машинного обучения — на Python

Gradio — это библиотека Python с открытым исходным кодом, которая используется для создания демо-версий и веб-приложений для машинного обучения и науки о данных.

С помощью Gradio вы можете быстро создать красивый пользовательский интерфейс вокруг ваших моделей машинного обучения или рабочих процессов науки о данных и позволить людям «попробовать его» — перетаскивая собственные изображения, вставляя текст, записывая свой голос и взаимодействуя с вашим демо — всё через браузер.

Gradio полезен для:

• Демонстрации ваших моделей машинного обучения клиентам/коллегам/пользователям/студентам.

• Развёртывания ваших моделей быстро с автоматическими ссылками для публикации и получения обратной связи о производительности модели.

• Отладки вашей модели интерактивно во время разработки с помощью встроенных инструментов манипуляции входными данными.

Быстрый старт

Предварительное требование: Gradio требует Python 3.8 или выше, и это всё!

Что делает Gradio?

Один из лучших способов поделиться вашей моделью машинного обучения, API или рабочим процессом науки о данных с другими — это создать интерактивное приложение, которое позволит вашим пользователям или коллегам попробовать демо в своих браузерах.

Gradio позволяет вам создавать демо и делиться ими, всё на Python. И обычно всего в нескольких строках кода! Итак, давайте начнём.

Hello, World

Чтобы запустить Gradio с простым примером «Hello, World», выполните следующие три шага:

1. Установите Gradio с помощью pip:

pip install gradio

2. Запустите код ниже как Python-скрипт или в Jupyter Notebook (или Google Colab):

import gradio as gr

def greet(name):
    return "Hello " + name + "!"

demo = gr.Interface(fn=greet, inputs="text", outputs="text")
    
demo.launch()

Мы сокращаем импортированное имя до gr для лучшей читаемости кода, использующего Gradio. Это широко принятая конвенция, которой вы должны следовать, чтобы любой, кто работает с вашим кодом, мог легко его понять.

3. Демо ниже появится автоматически внутри Jupyter Notebook или откроется в браузере на http://localhost:7860, если запущено из скрипта:

При локальной разработке, если вы хотите запустить код как Python-скрипт, вы можете использовать CLI Gradio для запуска приложения в режиме перезагрузки, который обеспечит бесшовную и быструю разработку. Узнайте больше о перезагрузке в Руководстве по автоперезагрузке.

gradio app.py

Примечание: вы также можете выполнить python app.py, но это не обеспечит механизм автоматической перезагрузки.

Класс Interface

Вы заметите, что для создания демо мы создали gr.Interface. Этот класс Interface может обернуть любую Python-функцию в пользовательский интерфейс. В примере выше мы видели простую текстовую функцию, но функция может быть чем угодно — от генератора музыки до калькулятора налогов или функции предсказания предобученной модели машинного обучения.

Основной класс Interface инициализируется с тремя обязательными параметрами:

• fn: функция, вокруг которой создаётся интерфейс
• inputs: какие компоненты использовать для ввода (например, "text", "image" или "audio")
• outputs: какие компоненты использовать для вывода (например, "text", "image" или "label")

Давайте подробнее рассмотрим эти компоненты, используемые для ввода и вывода.

Атрибуты компонентов

В предыдущих примерах мы видели простые компоненты Textbox, но что если вы хотите изменить внешний вид или поведение компонентов интерфейса?

Допустим, вы хотите настроить поле ввода текста — например, сделать его больше и добавить текст-подсказку. Если использовать фактический класс Textbox вместо строкового сокращения, у вас будет доступ к гораздо большей настраиваемости через атрибуты компонентов.

import gradio as gr

def greet(name):
    return "Hello " + name + "!"

demo = gr.Interface(
    fn=greet,
    inputs=gr.Textbox(lines=2, placeholder="Name Here..."),
    outputs="text",
)
demo.launch()

Несколько компонентов ввода и вывода

Предположим, у вас есть более сложная функция с несколькими входами и выходами. В примере ниже мы определяем функцию, которая принимает строку, логическое значение и число, а возвращает строку и число. Посмотрите, как передать список компонентов ввода и вывода.

import gradio as gr