今日のAIモデルの有用性は、アクセス可能なユーザーインターフェイスなしで大幅に減少します。オープンソースのPython Web UIライブラリであるGradioを使用して、LLMSと非技術的なエンドユーザーの間のギャップを埋めることができます。これにより、AIプロジェクト用の迅速なプロトタイプを作成し、展開をより多くの視聴者に簡素化できます。
このチュートリアルは、通常、Web開発の経験がない機械学習エンジニアを対象としています。グラデーションの基本とコアの概念、さまざまなAIモデルタイプのインターフェイス作成、UXとインタラクティブ性の高度な機能、およびベストプラクティスの展開と共有をカバーしています。始めましょう。
Gradio
を始めましょうその後、PIPを使用してグレードとその依存関係をインストールできます。
$ conda create -n gradio_tutorial python=3.9 -y $ conda activate gradio_tutorial
これにより、グレーデンがインストールされているカーネルを備えたノートブックを作成できるようになります。確認するには、標準エイリアスの下にインポートし、バージョンを印刷してください。
$ pip install gradio ipykernel
「Hello World」の例を通じて、その重要な概念と用語を学習することにより、グレードに飛び込みます。
$ ipython kernel install --user --name=gradio_tutorial $ jupyter lab # Start the lab
上記のコードをセルで実行すると、出力はカスタムグリーティングメッセージを返す小さなインタラクティブなインターフェイスになります：
import gradio as gr print(gr.__version__) 4.37.1
Gradioは、いくつかの重要な概念を中心に展開しています：
def greet(name):
return f"Hello, {name}!"
demo = gr.Interface(
fn=greet,
inputs=['text'],
outputs="text",
)
demo.launch()：UISを作成するためのコアクラス。
コンポーネント
：テキストボックス、画像、オーディオなどの入力および出力要素。現在、30を超える組み込みコンポーネントがあります。Gradioは、インタラクティブなインターフェイスを構築するための幅広いコンポーネントを提供しています。これらのコンポーネントは通常、入力と出力の2つのカテゴリに分割されます。
入力コンポーネントを使用すると、ユーザーは基礎となるプロセッサにデータを提供できます（これは任意のPython関数になります）。いくつかの一般的な入力は次のとおりですtextbox
$ conda create -n gradio_tutorial python=3.9 -y $ conda activate gradio_tutorial
最初の例のようなプレーン文字列テキストの代わりに、テキストボックスクラスを使用して入力コンポーネントを指定する方法に注意してください。専用クラスを使用して、入力コンポーネントと出力コンポーネントを指定してカスタマイズ可能にすることをお勧めします。たとえば、すべてのコンポーネントクラスには有用なラベル属性がありますが、スライダーとドロップダウンには範囲と利用可能なオプションを指定するための引数があります。
多くの入力コンポーネントを使用して、出力を表示することもできます。いくつかの一般的なシナリオがあります：
画像：処理された画像または生成された画像を表示する
オーディオ：処理または生成されたオーディオ
$ pip install gradio ipykernel
LLMSによって駆動される2つの現実世界のテキストと画像ベースのインターフェイスを作成することで、学んだことすべてをまとめましょう。
最初に、英語からトルコ語、スペイン語、または中国語への言語翻訳者を構築します。
$ conda create -n gradio_tutorial python=3.9 -y $ conda activate gradio_tutorial
さて、インターフェイスを作成できます：
$ pip install gradio ipykernel
テキストボックスのタイプ引数は、プレーンテキスト入力フィールドをパスワード入力に変更し、テキストを隠します。 インターフェイスクラスのタイトルと説明の引数は、ページの上部の中心にH1タイトルと字幕を追加します。
アプリを自分で提供するのではなく、アプリの一部としてユーザーのAPIキーを尋ねている理由を疑問に思うかもしれません。その理由は、GradioがUISを展開する方法に関係しています。
独自のAPIキーを環境変数（標準的な慣行）として提供した場合、環境変数にアクセスできないため、公開されているアプリバージョンが機能しません。展開セクションでは、アプリをハギングフェイススペースに展開することにより、これを修正する方法を確認します。画像を生成するために別のUIを作成しましょう：
APIキーの2つの入力と、シュールな画像でキャプチャしたい概念を指定します。次に、画像クラスを使用して生成された画像の出力コンポーネントを1つ作成します。その価値引数をSTRに設定すると、コンポーネントはURLから画像をダウンロードして表示できます。これはまさに必要なものです。
そして、ここに結果があります：
$ ipython kernel install --user --name=gradio_tutorial $ jupyter lab # Start the lab
古典的なMLモデル用の構築インターフェイス
import gradio as gr print(gr.__version__) 4.37.1
新しい作業ディレクトリとApp.py内の新しいスクリプトを作成することから始めます。次に、データをロードするこのGitHub要素のコードを貼り付け、Scikit-Learnパイプラインを使用して処理し、ランダムフォレストレギッションモデルをトレーニングします。
次のステップは、ダイヤモンドデータセットに機能があるのと同じ数の入力を受け入れる処理関数を作成することです。
$ conda create -n gradio_tutorial python=3.9 -y $ conda activate gradio_tutorial
この関数は、これらの入力をデータフレームに変換し、訓練されたモデルパイプラインの.predict（）メソッドに渡します。最終的に、それは予測された価格で文字列を返します。
ここで、インターフェイスクラスはこの関数の署名と一致する必要があります。フィーチャを処理するための9つの入力コンポーネントと、予測価格を表示するための1つの出力：クラス内では、カテゴリ機能の3つのドロップダウンを作成します。オプションには、各機能の一意のカテゴリが入力されています。また、数値機能を受け入れるために6つのスライダーコンポーネントを作成します。スライダーの範囲は、各機能の最小値と最大値によって決定されます。
$ pip install gradio ipykernel
ここに結果があります：
$ ipython kernel install --user --name=gradio_tutorial $ jupyter lab # Start the lab
ベストプラクティスと最適化のヒントについては、以下のベストプラクティスセクションにスキップしてください。
グラデーションアプリの展開
単一の引数を有効にすることで、グレードアプリを展開するのがどれほど簡単かをすでに見てきました。もちろん、この方法の欠点は、デモが72時間以内に期限切れになることです。したがって、グラデーションを展開する推奨方法は、ハギングフェイススペースを使用することです。 Huggingfaceは2021年にグラデーションを取得し、2つのプラットフォーム間の統合をシームレスにしました。
したがって、このチュートリアルまたはグレードで作成する将来のアプリについては、huggingface.coで無料アカウントにサインアップして、設定＆gtに移動します。アクセストークンを生成するためのトークン：トークンは一度だけ表示されますので、必ず安全に保管してください。
このトークンを使用すると、スペースでの永続的なホスティングを使用すると、必要な数のグラデーションアプリを展開できます。例として、前のセクションからダイヤモンド価格の予測モデルを展開すると、驚くほど簡単になります。あなたがしなければならないのは、UIスクリプトを使用してディレクトリに移動し、端末にグラデーションデプロイを呼び出すことです。
端末は、スクリプトを機能するハギングフェイス空間に変換することを進めます。次のような詳細を尋ねます
生成したアクセストークン
スペースタイトル：これは、展開後のスペースURLの一部になります
Gradio UIコードを含むスクリプトの名前（app.pyデフォルト）
スペースのハードウェア。 cpus（free）
のみを使用するには、空のままになります
デモをWebページに埋め込む、アプリにGoogle認証を追加するなどの展開と共有オプションについては、Gradioのドキュメントの「アプリの共有」セクションにアクセスしてください。
グラデーションベストプラクティスとヒントグレードとのユーザーインターフェイスを開発する場合、ベストプラクティスに従うことで、アプリケーションのユーザーエクスペリエンスと保守性を大幅に向上させることができます。ここにいくつかの重要な推奨事項があります：
Pythonスクリプトでグレードアプリケーションを整理して、より良いバージョン制御、コラボレーション、展開を展開します。
適切なサイジングおよびレイアウトツール（例：gr.column（）、gr.row（））を使用して、バランスの取れた応答性インターフェイスを確保します。
3。包括的な情報を提供4。大きな機能セットを効率的に処理します
Python-Dotenvをローカル開発に使用し、展開用のフェイススペースを抱き締める変数を設定します。
入力を検証し、クリアなエラーメッセージを提供し、優雅なエラー処理にtry-exceptブロックを使用してください。
7。パフォーマンスを最適化8。アクセシビリティのためのデザイン
アコーディオンまたはタブを使用して複雑なインターフェイスを整理し、必要に応じて高度なオプションを明らかにします。
依存関係を更新し、バグを監視し、ユーザーのフィードバックに基づいて継続的に改善します。
11。 Huggingfaceリソースを活用してください12。 Huggingfaceハブで大きなモデルをホストします
大規模なデータセットの場合は、ハグFaceハブにアップロードし、グラデーションアプリケーションに直接アクセスして、データ管理を合理化し、読み込み時間を改善します。
結論とさらなるリソースデータサイエンススタックに追加するための10個のPythonパッケージ
7傑出したAIアプリケーションを構築するための重要な生成AIツール
以上がAIアプリケーション用のユーザーインターフェイスの構築Pythonのグラデーションを使用しての詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
