Buckets:
| # یکپارچهسازی با هاب هاگینگفیس[[integrations-with-the-hugging-face-hub]] | |
| <CourseFloatingBanner chapter={9} | |
| classNames="absolute z-10 right-0 top-0" | |
| notebooks={[ | |
| {label: "Google Colab", value: "https://colab.research.google.com/github/huggingface/notebooks/blob/master/course/en/chapter9/section5.ipynb"}, | |
| {label: "Aws Studio", value: "https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/master/course/en/chapter9/section5.ipynb"}, | |
| ]} /> | |
| برای آسانتر کردن کار، گریدیو مستقیماً با هاب هاگینگفیس و فضاهای هاگینگفیس یکپارچه میشود. | |
| میتوانید دموها را از هاب و فضاها فقط با *یک خط کد* بارگذاری کنید. | |
| ### بارگذاری مدلها از هاب هاگینگفیس[[loading-models-from-the-hugging-face-hub]] | |
| برای شروع، یکی از هزاران مدلی را که هاگینگفیس از طریق هاب ارائه میدهد انتخاب کنید؛ همانطور که در [فصل ۴](/course/chapter4/2) توضیح داده شده است. | |
| با استفاده از روش ویژهی `Interface.load()`، `model/` (یا معادل آن، `huggingface/`) را | |
| بههمراه نام مدل وارد میکنید. | |
| برای نمونه، کد زیر دموئی برای [GPT-J](https://huggingface.co/EleutherAI/gpt-j-6B)، یک مدل زبان بزرگ، میسازد و چند ورودی نمونه به آن اضافه میکند: | |
| ```py | |
| import gradio as gr | |
| title = "GPT-J-6B" | |
| description = "Gradio Demo for GPT-J 6B, a transformer model trained using Ben Wang's Mesh Transformer JAX. 'GPT-J' refers to the class of model, while '6B' represents the number of trainable parameters. To use it, simply add your text, or click one of the examples to load them. Read more at the links below." | |
| article = "<p style='text-align: center'><a href='https://github.com/kingoflolz/mesh-transformer-jax' target='_blank'>GPT-J-6B: A 6 Billion Parameter Autoregressive Language Model</a></p>" | |
| gr.Interface.load( | |
| "huggingface/EleutherAI/gpt-j-6B", | |
| inputs=gr.Textbox(lines=5, label="Input Text"), | |
| title=title, | |
| description=description, | |
| article=article, | |
| ).launch() | |
| ``` | |
| کد بالا رابط زیر را تولید می کند: | |
| بارگذاری مدل به این روش از [Inference API](https://huggingface.co/inference-api) هاگینگفیس استفاده میکند، | |
| در نتیجه مدل در حافظه بارگذاری نمیشود. این روش برای مدلهای بزرگی مانند GPT-J یا T0pp که | |
| به RAM زیادی نیاز دارند ایدهآل است. | |
| ### بارگذاری از فضاهای هاگینگفیس[[loading-from-hugging-face-spaces]] | |
| برای بارگذاری هر Space از هاب هاگینگفیس و بازسازی محلی آن، میتوانید `spaces/` را به `Interface` بدهید و سپس نام Space را وارد کنید. | |
| دموی بخش ۱ را به یاد دارید که پسزمینهی یک تصویر را حذف میکرد؟ بیایید آن را از فضاهای هاگینگفیس بارگذاری کنیم: | |
| ```py | |
| gr.Interface.load("spaces/abidlabs/remove-bg").launch() | |
| ``` | |
| یکی از قابلیتهای جالب بارگذاری دموها از هاب یا فضاها این است که میتوانید با بازنویسی هر یک از پارامترها آنها را سفارشی کنید. | |
| در اینجا عنوانی اضافه میکنیم و بهجای آن، دمو را با وبکم اجرا میکنیم: | |
| ```py | |
| gr.Interface.load( | |
| "spaces/abidlabs/remove-bg", inputs="webcam", title="Remove your webcam background!" | |
| ).launch() | |
| ``` | |
| حالا که چند روش برای یکپارچهسازی گریدیو با هاب هاگینگفیس را بررسی کردیم، بیایید نگاهی به برخی ویژگیهای پیشرفتهی کلاس `Interface` بیندازیم. این موضوع بخش بعدی است! | |
Xet Storage Details
- Size:
- 4.13 kB
- Xet hash:
- 34b52ca3fa6cd8449d69962524df08d75a43ec50778e426bd712ad1e60490ba7
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.