اخلاء مسؤولية | DISCLAIMER
كيف يمكنك مشاركة نموذج ML الخاص بك مع الآخرين؟ خاصة مع أولئك الذين ليس لديهم مهارات البرمجة؟
نحن بحاجة إلى واجهة ، أليس كذلك؟
يمكن أن تحصل واجهة المستخدم الودية على موافقة الجميع وتوليد الكثير من التعليقات لتحسينها.
في السابق كنت بحاجة إلى مساعدة مطور ويب لتحويل النماذج وواجهات برمجة التطبيقات إلى تطبيقات. لكن اليوم ، لدى علماء البيانات العديد من الخيارات لتطوير واحد دون مغادرة دفتر ملاحظاتهم.
في الماضي ، كتبت عن Streamlit ، وهي أداة ممتازة. هذا واحد ميزات Gradio. أداة رائعة بنفس القدر مع خيار إضافي رائع لنماذج ML.
كيفية إنشاء تطبيقات ويب مذهلة لمشاريع علوم البيانات الخاصة بك
لا يتعين على علماء البيانات تعلم HTML و CSS و JavaScript لإنشاء صفحات الويب.
Towardsdatascience.com
يناقش هذا المنشور:
كيفية تطوير مكونات واجهة المستخدم لـ APIs Gradio ؛
كيفية نشر نموذج scikit-Learn معه ؛
كيفية نشر الحل الخاص بك على Huggingface (مجانًا) ، و ؛
الخيار الوحيد الرائع.
تطوير واجهة المستخدم لواجهات برمجة التطبيقات الخاصة بك في Python
يساعدنا Gradio في تطوير مكونات واجهة المستخدم في بيئة Python المألوفة. ستجعلك مكتبة التطبيقات المصغرة الخاصة بها تشعر وكأنك في المنزل. يمكنك القيام بذلك في دفتر ملاحظات أيضًا. ومع ذلك ، فالأمر بسيط للغاية ، لتبدأ به.
5 أطر عمل Python GUI لإنشاء تطبيقات سطح المكتب والويب وحتى تطبيقات الجوال.
يمكنك إنشاء تطبيقات جميلة بحتة في Python.
Towardsdatascience.com
يمكنك تثبيت Gradio من مستودع PyPI. سيبدأ الأمر التالي.
نقطة تثبيت التدرج
بمجرد التثبيت ، ستقوم ثلاثة خطوط أخرى بتحويل واجهة برمجة التطبيقات الخاصة بك إلى تطبيق.
إليك مثال لتبدأ به.
يحتوي الكود أعلاه على وظيفة للعثور على المتجانسات في النص.
Palindromes هي كلمات متشابهة إلى الأمام والخلف. تأخذ الوظيفة سلسلة نصية وتعيد سلسلة من المتجانسات.
يحتوي البرنامج النصي أيضًا على واجهة تدرج. يسمح لك بالتفاعل مع الوظيفة بيانياً.
يمكنك بدء التطبيق بكتابة: python3 app.py في الجهاز. بمجرد تشغيل الخادم ، يمكنك زيارة متصفحك للوصول إلى التطبيق.
إذا كنت تستخدم دفتر ملاحظات Jupyter ، فسيكون تشغيل app. تشغيل كتلة التعليمات البرمجية () كافيًا.
python <YOURSCRIPT> .py
بعد تشغيل الأمر أعلاه ، ستطبع وحدة التحكم رابط الويب للوصول إلى التطبيق الخاص بك. سيبدو التطبيق هكذا.
يمكنك الحصول على واجهة برمجة تطبيقات من اختيارك بدلاً من وظيفة مكتشف الألوان المتناظرة.
المزيد من الحاجيات مع خيارات تكوين أفضل.
إن Gradio مرن بحيث يحتوي على أكثر من عنصر واجهة مستخدم كمدخلات ومخرجات. يمكن أن تكون هذه الأدوات نصًا ، أو صورة ، أو ملفًا صوتيًا ، أو شريط تمرير ، وما إلى ذلك ، كما يمكنك أيضًا عرض إطارات البيانات والمخططات.
يستخدم المثال التالي مجموعة من الأدوات الأخرى التي قد تكون لديك.
هذه ليست القائمة الكاملة للخيارات المتاحة. يرجى الرجوع إلى المستندات للحصول على قائمة شاملة بالمكونات التي يمكنك استخدامها. في وقت كتابة هذا المقال ، كان هناك 25 منهم!
نشر نموذج Scikit-Learn باستخدام Gradio
Gradio هو أيضًا طريقة لنشر نماذج ML الخاصة بك.
في تطبيق ML الشامل ، سيكون لديك تثبيت أكثر تعقيدًا. لكن كل شيء يجب أن يبدأ صغيرًا. في رأيي ، يمكنك البدء بـ Gradio لاختبار أداء نموذجك.
يستخدم مطورو Python في الغالب Scikit لتعلم إنشاء وتدريب نماذج ML. يمكنك حفظ نموذجك المدرّب كملفات مخلل لاستخدامه لاحقًا. إليك كيفية اختيار النماذج الخاصة بك والاحتفاظ بها في نظام الملفات الخاص بك.
الآن ، يمكنك استخدامه داخل دالة وإنشاء خدمة تنبؤ. سيهتم Gradio ببناء واجهة لنموذجك.
يأخذ تطبيق gradio درجة الحرارة والرطوبة ويعيد هطول الأمطار. عندما ينقر المستخدم على الزر ، يستدعي التطبيق وظيفة توقع سقوط الأمطار ، والتي تستخدم النموذج المخلل للتنبؤ بالمطر.
انشر تطبيق Gradio Hugginggace
Huggingface هي عبارة عن منصة لبناء وتدريب ونشر نماذج ML. إنه أيضًا مجتمع عالمي من علماء البيانات يتفاعلون مع بعضهم البعض.
إذا كنت ترغب في مشاركة تطبيقك مع الآخرين ، فإن Huggingface هو الخيار الأفضل. إذا كنت جزءًا من مؤسسة (في Huggingface) ، يمكنك فقط مشاركة عملك داخل المنظمة. إذا لم يكن كذلك ، يمكنك اختيار أن تكون خاصًا أو تجعله عامًا.
يمكنك بدء النشر عن طريق إنشاء مساحة جديدة من الصفحة الرئيسية Huggingface.
يمكنك أيضًا الاختيار من بين أنواع التراخيص المختلفة المتاحة. هذه مفيدة ، خاصة إذا جعلت تطبيقك ضمن المجال العام.
لا يختلف Huggingface كثيرًا عن git عندما يتعلق الأمر بنشر التغييرات. في الواقع ، ستستخدم بوابة محلية لتحديث تطبيقك على السحابة.
دعنا نستنسخ مستودع Huggingface وننقل كود التطبيق الخاص بنا إلى الريبو الجديد. ثم يمكننا نشر التطبيق على مساحات Huggingface عن طريق دفع الكود.
استنساخ $ git https://huggingface.co/spaces/Thuwarakesh/predict_rainfall
# استبدل عنوان URL بعنوان url الخاص بمساحة huggingface.
git $ add app.py requirements.txt
$ git الالتزام -m “إنشاء متنبئ بهطول الأمطار” $ git push
ستعمل الخطوات المذكورة أعلاه على تدوير حاوية Docker جديدة على مساحات Huggingface وتنشر تطبيقك. سترى تطبيقك إذا قمت بزيارة عنوان URL للمسافات على متصفحك.
إذا اخترت جعل المساحة عامة ، فيمكنك مشاركة عنوان URL مع العالم وعرض تطبيق ML الجديد.
احصل على تعليقات مباشرة من المستخدمين على تطبيق ML الخاص بك.
يعرف مهندسو ML المتمرسون أن بناء نماذج التعلم الآلي ونشرها هي عملية تكرارية. في قلب عملية تحسين النموذج تكمن حلقة التغذية الراجعة.
لماذا تموت نماذج التعلم الآلي في صمت؟
وكيف يمكنك حفظه؟
levelup.gitconnected.com
قام منشئو Gradio ببنائه مع أخذ جمع التعليقات في الاعتبار. إلى جانب الإخراج ، ترى زر العلم. إذا شعر أولئك الذين يختبرون تطبيقك أن التوقعات معطلة ، فيمكنهم الإبلاغ عنها.
يحفظ Gradio السجلات ذات العلامات بتنسيق CSV على نظام الملفات. يسجل جميع قيم الإدخال والتنبؤ بالمعلومات الأخرى ذات الصلة.
السجلات التي تم وضع علامة عليها هي حالات استثنائية تحتاج إلى اهتمام مهندس ML. هذه هي المجالات ذات الأداء الضعيف في نموذجك. يمكن لمهندسي ML اتخاذ الإجراءات التصحيحية بعد تدقيق الأعلام وموازنتها مع أهمية المشكلة.
افكار اخيرة.
كعلماء بيانات ، نحتاج إلى وضع نموذج أولي لعملنا بسرعة. والنماذج الأولية على وشك التغيير بشكل متكرر. لا يُنصح بإحضار أطر عمل JavaScript والتقنيات الأخرى إلى المكدس في مرحلة التطوير.
باستخدام أدوات مثل Streamlit و Gradio ، يمكننا الآن إنشاء تطبيقات سريعة وقذرة لنماذج ML الخاصة بنا. يعد Gradio مناسبًا بشكل خاص لمشروعات ML لأنه يجمع التعليقات.
أيضًا ، يساعدنا كل من Gradio و Streamlit في نشر التطبيق على Huggingface. يجعل تطبيقنا يصل إلى مجموعة أوسع من الجماهير.
تتيح لنا هاتان الأداتان إنشاء تطبيق في بيئة مريحة للكمبيوتر الدفتري. يمكن لعلماء البيانات إنشاء تطبيقات ذات مظهر احترافي ، كل ذلك في Python.
Telegram Channel
WhatsApp Channel
Facebook Page
YouTube Channel