Gradio 2.0 发布：1 行代码为 Hugging Face 模型创建 GUI

转载自 Gradio 博客。

Hugging Face 模型中心拥有超过 10,000 个由用户提交的机器学习模型。你可以找到各种自然语言处理模型，例如，在芬兰语和英语之间进行翻译，或识别中文语音。最近，模型中心还扩展到了图像分类和音频处理模型。

Hugging Face 一直致力于让模型易于访问和使用。transformers 库使得只需几行代码就能加载模型。加载模型后，可以通过编程方式使用它对新数据进行预测。但使用机器学习模型的不仅仅是程序员！机器学习中越来越常见的场景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能够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。现在，我们很高兴地宣布，Gradio 2.0 库让你只需 1 行代码就能通过 GUI 加载和使用几乎任何 Hugging Face 模型。以下是一个示例：

默认情况下，这会使用 HuggingFace 托管的推理 API（你可以提供自己的 API 密钥，或无需 API 密钥使用公共访问），或者你也可以运行 pip install transformers 并在本地运行模型计算。

想要自定义演示？你可以通过传入自己的参数来覆盖 Interface 类的任何默认参数：

但是等等，还有更多！模型中心已有 10,000 个模型，我们认为模型不仅仅是独立的代码片段，而是可以组合和混合的乐高积木，用于创建更复杂的应用和演示。

例如，Gradio 允许你并行加载多个模型（想象一下，你想比较 Hugging Face 的 4 个不同文本生成模型，看看哪个最适合你的用例）：

或者将你的模型串联。这使得从多个机器学习模型构建复杂应用变得容易。例如，这里我们可以用 3 行代码构建一个翻译和摘要芬兰语新闻文章的应用：

你甚至可以将多个模型串联，并与并行的其他模型进行比较（我们让你自己尝试！）。要尝试这些，只需安装 Gradio（pip install gradio）并选择一个你想尝试的 Hugging Face 模型。开始用 Gradio 和 Hugging Face 构建吧 🧱⛏️