Introduction à <i> Gradio </i>
Dans ce chapitre, nous allons apprendre à construire des démos interactives pour vos modèles d’apprentissage automatique.
Pourquoi construire une démo ou une interface graphique pour votre modèle d’apprentissage automatique ? Les démos permettent :
- aux développeurs en apprentissage automatique de présenter facilement leur travail à un large public, y compris des équipes non techniques ou des clients.
- aux chercheurs de reproduire plus facilement les modèles d’apprentissage automatique et leur comportement.
- aux testeurs qualité ou utilisateurs finaux d’identifier et de déboguer plus facilement les points de défaillance des modèles.
- aux utilisateurs divers de découvrir les biais algorithmiques des modèles.
Nous utiliserons la bibliothèque Gradio pour construire des démos pour nos modèles. Gradio vous permet de construire, de personnaliser et de partager des démos en ligne pour n’importe quel modèle d’apprentissage automatique. Et cela entièrement en Python.
Voici quelques exemples de démos d’apprentissage automatique construites avec Gradio :
- Un modèle de reconnaissance de croquis qui prend un croquis et produit des étiquettes de ce qu’il pense être dessiné :
- Un modèle extractif de réponse à une question qui prend en entrée un paragraphe de contexte et une requête et produit une réponse et un score de probabilité (nous avons discuté de ce type de modèle au chapitre 7) :
- Un modèle de suppression de l’arrière-plan qui prend une image et la restitue avec l’arrière-plan supprimé :
Ce chapitre est divisé en sections qui comprennent à la fois des concepts et des applications. Après avoir appris le concept dans chaque section, vous l’appliquerez pour construire un type particulier de démo, allant de la classification d’images à la reconnaissance vocale. À la fin de ce chapitre, vous serez en mesure de créer ces démos (et bien d’autres !) en quelques lignes de code Python seulement.