使用 Gradio 2.0 結合 Hugging Face 模型

交叉釋出自 Gradio 部落格。

Hugging Face 模型中心擁有超過 10,000 個使用者提交的機器學習模型。您會找到各種自然語言處理模型，例如芬蘭語和英語之間的翻譯模型，或中文語音識別模型。最近，該中心甚至擴充套件到包括影像分類和音訊處理模型。

Hugging Face 一直致力於使模型易於訪問和使用。transformers 庫使得只需幾行程式碼即可載入模型。載入模型後，它可以透過程式設計方式用於對新資料進行預測。但使用機器學習模型的不只是程式設計師！在機器學習中，越來越常見的情況是向跨學科團隊演示模型或讓非程式設計師使用模型（以幫助發現偏差、故障點等）。

Gradio 庫讓機器學習開發者可以非常輕鬆地從機器學習模型建立演示和 GUI，並像分享 Google 文件連結一樣輕鬆地與協作者免費分享它們。現在，我們很高興地分享 Gradio 2.0 庫讓您只需 1 行程式碼即可載入和使用幾乎任何帶 GUI 的 Hugging Face 模型。這是一個例子

預設情況下，這使用 HuggingFace 託管的推理 API（您可以提供自己的 API 金鑰或在沒有 API 金鑰的情況下使用公共訪問），或者如果您願意，也可以執行 pip install transformers 並在本地執行模型計算。

您想自定義演示嗎？您可以透過傳入自己的引數來覆蓋 Interface 類的任何預設引數

等等，還有更多！模型中心已有 10,000 個模型，我們不將模型視為獨立的程式程式碼，而是可以組合和混合以建立更復雜應用程式和演示的樂高積木。

例如，Gradio 允許您並行載入多個模型（想象一下您想比較 Hugging Face 的 4 個不同文字生成模型，看看哪個最適合您的用例）

或者將您的模型串聯起來。這使得構建由多個機器學習模型組成的複雜應用程式變得容易。例如，在這裡我們只需 3 行程式碼即可構建一個用於翻譯和總結芬蘭新聞文章的應用程式

您甚至可以並行地將多個模型串聯起來（我們讓您自己嘗試！）。要嘗試這些，只需安裝 Gradio (pip install gradio) 並選擇您想嘗試的 Hugging Face 模型。開始使用 Gradio 和 Hugging Face 進行構建吧 🧱⛏️