Gradio: 10 줄로 ML 데모

~26 min · spaces, gradio

Level 0스카우트

0 XP0/50 lessons0/10 achievements

0/120 XP to next level120 XP to go0% complete

Gradio에서는 Python 함수가 화면 계약이 돼

함수를 만든 뒤 gr.Interface나 gr.Blocks로 감싸면 Gradio가 입력과 출력을 연결해 웹 UI를 제공해. 로컬에서는 demo.launch()가 서버를 열고 Space에서는 런타임이 앱을 시작해.

gr.Interface(fn, inputs, outputs)는 함수 하나를 보여 주는 단일 작업 데모에 가장 빨라.
gr.Blocks()는 여러 입력·출력, 탭, CSS, 조건부 표시를 직접 배치할 때 써.

대화에는 ChatInterface를 써

gr.ChatInterface는 메시지 이력과 generator 기반 스트리밍 처리를 함께 제공해. handler 안에서 InferenceClient를 부르든 로컬 모델을 부르든 화면 쪽 계약은 유지할 수 있어.

Code

HF 모델의 10 줄 Gradio 데모·python

import gradio as gr
from transformers import pipeline

pipe = pipeline("sentiment-analysis")

def classify(text):
    out = pipe(text)[0]
    return f"{out['label']} ({out['score']:.2f})"

demo = gr.Interface(fn=classify, inputs=gr.Textbox(label="Review"), outputs="text")
demo.launch()

InferenceClient 로 streaming 챗·python

import gradio as gr
from huggingface_hub import InferenceClient

client = InferenceClient(model="meta-llama/Llama-3.1-8B-Instruct", provider="hf-inference")

def chat(message, history):
    messages = [{"role": h[0] and "user" or "assistant", "content": h[1]} for h in history if h]
    messages.append({"role": "user", "content": message})
    stream = client.chat_completion(messages=messages, max_tokens=500, stream=True)
    answer = ""
    for chunk in stream:
        delta = chunk.choices[0].delta.content or ""
        answer += delta
        yield answer

gr.ChatInterface(chat, title="Llama Chat").launch()

External links

Exercise

작은 HF 모델 (예: text classification 또는 whisper-tiny) wrap 하는 Gradio Space 빌드. 로컬 먼저 테스트. Space 에 push. 다른 모델 데모하는 두 번째 탭 추가. 둘 다 side-by-side 동작 검증.

Progress

Progress is local-only — sign in to sync across devices.

← PreviousSpaces 가 실제로 뭐 Next →Streamlit, Docker, Static Spaces

이 페이지에서 버그를 발견하셨거나 피드백이 있으세요?문제 신고

🔔 답글 알림 (로그인 필요)

로그인 — 댓글을 남기려면 로그인해 주세요.

아직 댓글이 없어요. 첫 댓글을 남겨보세요.