Gradio入門：Pythonで機械学習WebアプリをGUIで簡単に作る方法

2024 6/02

2024年6月2日 2024年6月2日

Gradioとは？

主な特徴

わずか数行のPythonコードでWebアプリが作れる
HTMLやJavaScriptを書く必要がない
テキスト、画像、音声など様々な形式の入出力に対応
Hugging Faceとの連携が容易
Jupyterノートブックとの親和性が高い

Gradioの基本的な使い方

インストール方法

pip install gradio

シンプルなアプリの作成

import gradio as gr def greet(name): return "Hello " + name + "!" demo = gr.Interface(fn=greet, inputs="text", outputs="text") demo.launch()

様々な入出力形式に対応

豊富な入出力コンポーネント

Textbox（テキスト入力）
Number（数値入力）
Dropdown（選択肢）
Checkbox（チェックボックス）
Image（画像）
Audio（オーディオ）
Video（ビデオ）
File（ファイルアップロード）
Dataframe（表形式データ）

画像分類アプリの例

import gradio as gr from tensorflow.keras.applications.mobilenet_v2 import MobileNetV2, preprocess_input, decode_predictions import numpy as np model = MobileNetV2() def predict(img): img = preprocess_input(img) pred = model.predict(np.expand_dims(img, 0)) return decode_predictions(pred, top=3)[0] gr.Interface(fn=predict, inputs=gr.Image(shape=(224, 224)), outputs=gr.Label(num_top_classes=3)).launch()

Hugging Faceとの連携

文章生成アプリの例

import gradio as gr from transformers import GPT2LMHeadModel, GPT2Tokenizer model = GPT2LMHeadModel.from_pretrained("gpt2-large") tokenizer = GPT2Tokenizer.from_pretrained("gpt2-large") def generate_text(input_text, num_return_sequences, num_beams): input_ids = tokenizer.encode(input_text, return_tensors='pt') output = model.generate(input_ids, num_return_sequences=num_return_sequences, num_beams=num_beams, early_stopping=True) return tokenizer.batch_decode(output) gr.Interface( generate_text, [gr.inputs.Textbox(lines=2, placeholder="Enter a prompt to generate text..."), gr.inputs.Slider(1, 5, value=1, step=1, label="Number of outputs"), gr.inputs.Slider(2, 10, value=5, step=1, label="Number of beams")], gr.outputs.Textbox(), examples=[ ["The quick brown fox", 1, 1], ["The quick brown fox", 2, 1], ["The quick brown fox", 2, 5], ] ).launch();

ノートブック環境との親和性

ノートブック上でのアプリ起動例

import gradio as gr def greet(name): return "Hello " + name + "!" gr.Interface(fn=greet, inputs="text", outputs="text").launch()

Gradioのその他の使い方

Webスクレイピングしたデータを可視化するアプリ
オープンデータを使った分析アプリ
外部APIを組み合わせたマッシュアップアプリ

Gradioのインタラクティブ性を支える技術

コンポーネントの入力と出力の自動バインディング
イベントリスナーによる動的な振る舞い
ステートを持つコンポーネント
Svelteを使ったフロントエンドの実装
FastAPIを使ったバックエンドの実装

まとめ

Gradioのおかげで、機械学習モデルのデモアプリが簡単に作れるようになりました。Hugging Faceで公開されているモデルも、数行のコードでアプリに組み込めるのは本当に便利です。UIのカスタマイズ性も高いので、ユーザーに使いやすいアプリが作れています。Gradioは機械学習エンジニアの強力な味方ですね。

Gradioインストール方法

1. pipを使ったインストール（推奨）