使用 Gradio 2.0 结合 Hugging Face 模型

交叉发布自 Gradio 博客。

Hugging Face 模型中心拥有超过 10,000 个用户提交的机器学习模型。您会找到各种自然语言处理模型，例如芬兰语和英语之间的翻译模型，或中文语音识别模型。最近，该中心甚至扩展到包括图像分类和音频处理模型。

Hugging Face 一直致力于使模型易于访问和使用。transformers 库使得只需几行代码即可加载模型。加载模型后，它可以通过编程方式用于对新数据进行预测。但使用机器学习模型的不只是程序员！在机器学习中，越来越常见的情况是向跨学科团队演示模型或让非程序员使用模型（以帮助发现偏差、故障点等）。

Gradio 库让机器学习开发者可以非常轻松地从机器学习模型创建演示和 GUI，并像分享 Google 文档链接一样轻松地与协作者免费分享它们。现在，我们很高兴地分享 Gradio 2.0 库让您只需 1 行代码即可加载和使用几乎任何带 GUI 的 Hugging Face 模型。这是一个例子

默认情况下，这使用 HuggingFace 托管的推理 API（您可以提供自己的 API 密钥或在没有 API 密钥的情况下使用公共访问），或者如果您愿意，也可以运行 pip install transformers 并在本地运行模型计算。

您想自定义演示吗？您可以通过传入自己的参数来覆盖 Interface 类的任何默认参数

等等，还有更多！模型中心已有 10,000 个模型，我们不将模型视为独立的程序代码，而是可以组合和混合以创建更复杂应用程序和演示的乐高积木。

例如，Gradio 允许您并行加载多个模型（想象一下您想比较 Hugging Face 的 4 个不同文本生成模型，看看哪个最适合您的用例）

或者将您的模型串联起来。这使得构建由多个机器学习模型组成的复杂应用程序变得容易。例如，在这里我们只需 3 行代码即可构建一个用于翻译和总结芬兰新闻文章的应用程序

您甚至可以并行地将多个模型串联起来（我们让您自己尝试！）。要尝试这些，只需安装 Gradio (pip install gradio) 并选择您想尝试的 Hugging Face 模型。开始使用 Gradio 和 Hugging Face 进行构建吧 🧱⛏️