Espaços do Gradio

Gradio oferece uma interface fácil e intuitiva para executar um modelo a partir de uma lista de entradas e exibir as saídas em formatos como imagens, áudio, objetos 3D e muito mais. O Gradio agora até possui um componente de saída de gráfico para criar visualizações de dados com Matplotlib, Bokeh e Plotly! Para mais detalhes, confira o guia Começando da equipe do Gradio.

Selecionar Gradio como SDK ao criar um novo Space inicializa seu Space com a versão mais recente do Gradio, definindo a propriedade sdk como gradio no bloco YAML do seu arquivo README.md. Se você quiser alterar a versão do Gradio, pode editar a propriedade sdk_version.

Acesse a documentação do Gradio para conhecer todos os recursos e confira os Guias do Gradio para obter tutoriais úteis que o ajudarão a começar!

Seu primeiro Espaço Gradio: Classificador de Hot Dog

Nas seções a seguir, você aprenderá os fundamentos para criar um Space, configurá-lo e implantar seu código nele. Criaremos um Space Hot Dog Classifier com Gradio que será usado para demonstrar o modelo julien-c/hotdog-not-hotdog, capaz de detectar se uma imagem contém um hot dog 🌭

Você pode encontrar uma versão concluída deste projeto hospedada em NimaBoscarino/hotdog-gradio.

Crie um novo Espaço do Gradio

Vamos começar criando um novo Space e escolhendo Gradio como nosso SDK. Os Hugging Face Spaces são repositórios Git, o que significa que você pode trabalhar no seu Space de forma incremental (e colaborativa) enviando commits. Dê uma olhada no guia Getting Started with Repositories para aprender como criar e editar arquivos antes de continuar.

Adicione as dependências

Para o Hot Dog Classifier, usaremos um 🤗 Transformers pipeline para utilizar o modelo, então precisamos começar instalando algumas dependências. Isso pode ser feito criando um arquivo requirements.txt em nosso repositório e adicionando as seguintes dependências a ele:

transformers
torch

O runtime do Spaces cuidará da instalação das dependências!

Crie a interface do Gradio

Para criar o aplicativo Gradio, crie um novo arquivo no repositório chamado app.py e adicione o seguinte código:

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()

Este script em Python usa um 🤗 Transformers pipeline para carregar o modelo julien-c/hotdog-not-hotdog, que é utilizado pela interface do Gradio. O aplicativo do Gradio espera que você envie uma imagem, que será classificada como hot dog ou not hot dog. Depois de salvar o código no arquivo app.py, visite a aba App para ver seu aplicativo em ação!

Incorporar Spaces do Gradio em outras páginas da web

Você pode incorporar um Espaço do Gradio em outras páginas da web usando Web Components ou a tag HTML <iframe>. Consulte nossa documentação ou a documentação do Gradio para mais detalhes.