Введение в Gradio

В этой главе мы узнаем о том, как создавать интерактивные демонстрации для моделей машинного обучения.

Зачем вообще создавать демо или графический интерфейс для модели машинного обучения? Демо позволяют:

• Разработчикам машинного обучения легко представить свою работу широкой аудитории, включая нетехнические команды или клиентов
• Исследователям легче воспроизводить модели машинного обучения и их поведение
• Тестировщики качества или конечные пользователи, смогут легче выявлять и отлаживать точки отказа в моделях
• Различные пользователи смогут обнаружить алгоритмические ошибки в моделях

Мы будем использовать библиотеку Gradio для создания демо для наших моделей. Gradio позволяет создавать, настраивать и распространять веб-демо для любой модели машинного обучения, полностью на языке Python.

Вот несколько примеров демо машинного обучения, созданных с помощью Gradio:

• Модель распознавания эскизов (sketch recognition), которая принимает эскиз и выводит метки того, что, по ее мнению, нарисовано:

• Экстрактивная модель ответа на вопрос, которая принимает контекстный параграф и задание и выдает ответ и оценку вероятности (мы обсуждали этот тип модели в главе 7):

• Модель удаления фона, которая принимает изображение и возвращает его с удаленным фоном:

Эта глава разбита на разделы, включающие как концепции, так и приложения. После изучения концепций в каждом разделе вы будете применять их для создания демо определенного типа, начиная от классификации изображений и заканчивая распознаванием речи. К тому времени, как вы закончите эту главу, вы сможете создавать эти демо (и многие другие!) всего в несколько строк кода на Python.