pvharmo2/gha-lab-ee08e207a8Авторизованная исследовательская лаборатория безопасности, воспроизводящая CVE-2024-4253 (GHSA-r897-wrpm-h4vw): внедрение команды в workflow_run в test-functional.yml репозитория gradio-app/gradio
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 дословный снимок
gradio-app/gradioна коммитеa81e36967c0973012e90ec7cf03b99cf3fea88ec(2024-04-30), распространяемый под собственной лицензией этого проекта, файл которой включён без изменений в этот снимок.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 исполнителей закреплены на те значения, которые они имели на 2024-04-30; см.
pinning.mdв выводе системы для каждого изменения, внесённого в снимок.Вопросы или возражения: [email protected]
Website | Documentation | Guides | Getting Started | Examples | 中文
Gradio — это пакет Python с открытым исходным кодом, который позволяет быстро создавать демо или веб-приложение для вашей модели машинного обучения, API или любой произвольной функции Python. Затем вы можете поделиться ссылкой на своё демо или веб-приложение всего за несколько секунд с помощью встроенных функций совместного доступа Gradio. Никакого опыта работы с JavaScript, CSS или веб-хостингом не требуется!
Для создания такого красивого демо, как показано выше, нужно всего несколько строк Python, так что давайте начнём 💫
Предварительное требование: Gradio требует Python 3.8 или выше
Мы рекомендуем устанавливать Gradio с помощью pip, который включён в Python по умолчанию. Выполните эту команду в терминале или командной строке:
pip install gradio
[!TIP] Лучше всего устанавливать Gradio в виртуальное окружение. Подробные инструкции по установке для всех распространённых операционных систем приведены здесь.
Вы можете запускать Gradio в вашем любимом редакторе кода, Jupyter notebook, Google Colab или в любом другом месте, где вы пишете на Python. Давайте напишем ваше первое приложение 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] Мы сокращаем импортируемое имя с
gradioдоgrдля лучшей читаемости кода. Это широко принятое соглашение, которому вы должны следовать, чтобы любой, кто работает с вашим кодом, мог легко его понять.
Теперь запустите ваш код. Если вы записали код Python в файл с именем, например, app.py, то вам нужно выполнить python app.py из терминала.
Демо ниже откроется в браузере на http://localhost:7860, если вы запускаете его из файла. Если вы работаете в notebook, демо появится встроенным в notebook.
Введите своё имя в текстовое поле слева, перетащите ползунок и нажмите кнопку Submit. Справа вы должны увидеть дружеское приветствие.
[!TIP] При локальной разработке вы можете запускать своё приложение Gradio в режиме горячей перезагрузки, который автоматически перезагружает приложение Gradio при каждом изменении файла. Для этого просто введите
gradioперед именем файла вместоpython. В приведённом выше примере вам нужно ввести в терминале:gradio app.py. Узнайте больше о горячей перезагрузке в Руководстве по горячей перезагрузке.
Понимание класса Interface
Вы заметите, что для создания вашего первого демо вы создали экземпляр класса gr.Interface. Класс Interface предназначен для создания демо для моделей машинного обучения, которые принимают одно или несколько входных значений и возвращают одно или несколько выходных значений.
Класс Interface имеет три основных аргумента:
fn: функция, вокруг которой нужно создать пользовательский интерфейс (UI)inputs: компонент(ы) Gradio для ввода. Количество компонентов должно соответствовать количеству аргументов вашей функции.outputs: компонент(ы) Gradio для вывода. Количество компонентов должно соответствовать количеству возвращаемых значений вашей функции.Аргумент fn очень гибкий — вы можете передать любую функцию Python, которую хотите обернуть в UI. В приведённом выше примере мы видели относительно простую функцию, но функция может быть чем угодно: от генератора музыки до калькулятора налогов или функции предсказания предобученной модели машинного обучения.
Аргументы input и output принимают один или несколько компонентов Gradio. Как мы увидим, Gradio включает более 30 встроенных компонентов (таких как gr.Textbox(), gr.Image() и gr.HTML()), предназначенных для приложений машинного обучения.
[!TIP] Для аргументов
inputsиoutputsвы можете передать имя компонента в виде строки ("textbox") или экземпляр класса (gr.Textbox()).
Если ваша функция принимает более одного аргумента, как в случае выше, передайте список входных компонентов в inputs, причём каждый входной компонент соответствует одному из аргументов функции по порядку. То же самое верно, если ваша функция возвращает более одного значения: просто передайте список компонентов в outputs. Эта гибкость делает класс Interface очень мощным способом создания демо.
Мы подробнее рассмотрим gr.Interface в нашей серии о создании интерфейсов.
Что толку от красивого демо, если им нельзя поделиться? Gradio позволяет легко публиковать демо машинного обучения, не беспокоясь о хлопотах с хостингом на веб-сервере. Просто установите share=True в launch(), и для вашего демо будет создан общедоступный URL. Давайте вернёмся к нашему примеру демо, но изменим последнюю строку следующим образом:
import gradio as gr
def greet(name):
return "Hello " + name + "!"
demo = gr.Interface(fn=greet, inputs="textbox", outputs="textbox")
demo.launch(share=True) # Share your demo with just 1 extra parameter 🚀
Когда вы запустите этот код, для вашего демо будет сгенерирован общедоступный URL за считанные секунды, например:
👉 https://a23dsf231adb.gradio.live
Теперь любой человек в мире может попробовать ваше демо Gradio из своего браузера, в то время как модель машинного обучения и все вычисления продолжают выполняться локально на вашем компьютере.
Чтобы узнать больше о публикации вашего демо, прочитайте наше специальное руководство о публикации вашего приложения Gradio.
До сих пор мы обсуждали класс Interface, который является высокоуровневым классом, позволяющим быстро создавать демо с помощью Gradio. Но что ещё умеет Gradio?
gr.ChatInterfaceGradio включает ещё один высокоуровневый класс, gr.ChatInterface, который специально разработан для создания UI чат-ботов. Как и в случае с Interface, вы предоставляете функцию, и Gradio создаёт полностью работающий UI чат-бота. Если вы заинтересованы в создании чат-бота, вы можете сразу перейти к нашему специальному руководству по gr.ChatInterface.
gr.BlocksGradio также предлагает низкоуровневый подход для проектирования веб-приложений с более гибкими макетами и потоками данных с помощью класса gr.Blocks. Blocks позволяет вам контролировать, где компоненты появляются на странице, обрабатывать сложные потоки данных (например, выходные данные могут служить входными для других функций) и обновлять свойства/видимость компонентов на основе взаимодействия с пользователем — и всё это на Python.
Вы можете создавать очень индивидуальные и сложные приложения с помощью gr.Blocks(). Например, популярный веб-интерфейс генерации изображений Automatic1111 Web UI построен на Gradio Blocks. Мы подробнее рассмотрим gr.Blocks в нашей серии о создании с помощью Blocks.
Это суть основной библиотеки gradio на Python, но Gradio — это гораздо больше! Это целая экосистема библиотек Python и JavaScript, которые позволяют создавать приложения машинного обучения или программно запрашивать их на Python или JavaScript. Вот другие связанные части экосистемы Gradio:
gradio_client): программный запрос любого приложения Gradio на Python.@gradio/client): программный запрос любого приложения Gradio на JavaScript.@gradio/lite): создание приложений Gradio на Python, которые полностью работают в браузере (сервер не нужен!) благодаря Pyodide.Продолжайте изучать Gradio последовательно с помощью руководств Gradio, которые включают объяснения, а также примеры кода и встроенные интерактивные демо. Далее: ключевые особенности демо Gradio.
Или, если вы уже знаете основы и ищете что-то конкретное, вы можете поискать в более технической документации по API.
Если вы хотите сообщить об ошибке или у вас есть запрос функции, пожалуйста, создайте issue на GitHub. По общим вопросам об использовании мы доступны на нашем сервере Discord и будем рады помочь.
Если вам нравится Gradio, пожалуйста, оставьте нам ⭐ на GitHub!
Gradio построен на основе множества замечательных библиотек с открытым исходным кодом!
Gradio распространяется под лицензией Apache License 2.0, которая находится в файле LICENSE в корневом каталоге этого репозитория.
Также ознакомьтесь со статьёй Gradio: Hassle-Free Sharing and Testing of ML Models in the Wild, ICML HILL 2019, и, пожалуйста, цитируйте её, если используете Gradio в своей работе.
@article{abid2019gradio,
title = {Gradio: Hassle-Free Sharing and Testing of ML Models in the Wild},
author = {Abid, Abubakar and Abdalla, Ali and Abid, Ali and Khan, Dawood and Alfozan, Abdulrahman and Zou, James},
journal = {arXiv preprint arXiv:1906.02569},
year = {2019},
}