Buckets:
| # Introducere în Gradio[[introduction-to-gradio]] | |
| În acest capitol vom învăța cum să construim **demo-uri interactive** pentru modelele noastre de machine learning. | |
| De ce să construim un demo sau o interfață grafică pentru modelul nostru de machine learning în primul rând? Demo-urile permit: | |
| - **Dezvoltatorilor de machine learning** să își prezinte cu ușurință lucrarea unei audiențe largi, inclusiv echipelor non-tehnice sau clienților | |
| - **Cercetătorilor** să reproducă mai ușor modelele și comportamentul machine learning | |
| - **Testerilor de calitate** sau **utilizatorilor finali** să identifice și să depaneze mai ușor punctele de eșec ale modelelor | |
| - **Utilizatorilor diverși** să descopere prejudecățile algoritmice din modele | |
| Vom folosi biblioteca Gradio pentru a construi demo-uri pentru modelele noastre. Gradio vă permite să construiți, să personalizați și să partajați demo-uri web pentru orice model de machine learning, în întregime în Python. | |
| Iată câteva exemple de demo-uri de machine learning construite cu Gradio: | |
| * Un model de **recunoaștere a schițelor** care primește o schiță și afișează etichete cu ceea ce crede că este desenat: | |
| * Un model extractiv de **răspunsuri la întrebări** care primește un paragraf de context și o întrebare și afișează un răspuns și un scor de probabilitate (am discutat despre acest tip de model [în Capitolul 7](/course/chapter7/7)): | |
| * Un model de **eliminare a fundalului** care primește o imagine și afișează imaginea cu fundalul eliminat: | |
| Acest capitol este împărțit în secțiuni care includ atât _concepte_ cât și _aplicații_. După ce învățați conceptul din fiecare secțiune, îl veți aplica pentru a construi un anumit tip de demo, de la clasificarea imaginilor la recunoașterea vocii. Până când terminați acest capitol, veți putea construi aceste demo-uri (și multe altele!) în doar câteva linii de cod Python. | |
| > [!TIP] | |
| > 👀 Consultați Hugging Face Spaces pentru a vedea multe exemple recente de demo-uri de machine learning construite de comunitatea machine learning! | |
Xet Storage Details
- Size:
- 2.14 kB
- Xet hash:
- 3609da7b483d53be6c97ef8619ceab2a8982114930952dbbb9c53df40e2432b3
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.