GRadio-GUI实现更快的ML原型和共享

将gradio导入为grdef Recognition_Digit(Img)：#...。在输入数组#上实现数字识别模型...。返回标签字典和置信度gr.Interface(fn=Recognition_Digit，Input="；SketchPad"；，Output="；Label"；).Launch()。

上面的单行代码生成下面的Web界面。在下面的画板上画一个从0到9的数字，并实时查看预测结果！

将gradio导入为grdef Answer_Query(段落，问题)：#...。实施问答模式#...。将答案返回到questongr.Interface(fn=Answer_Quest，Input=["；TextBox"；，"；Text"；]，Outports="；Text"；).Launch()。

提供一个上下文段落，并提出一个可以用上下文信息回答的问题。继续，输入一些信息和一个问题。然后，单击提交即可获得答案！

将gradio导入为grdef face_Segment(Img)：#...。在输入200x200Numpy数组上实现人脸分割模型#...。将分割掩码返回为numpy arraywebcam=gr.in.Webcam(Shape=(200,200))gr.Interface(fn=Face_Segment，Input=WebCam，Output="；image"；).Launch()。

将gradio导入为GR，matplotlib.pylot导入为pltdef EXPORT_FORESTED(r，Month，Countries，Social_Distance)：#...。运行模型以预测疫情并生成曲线图#...。返回pltr=gr.in.Slider(1，5)月=gr.in.Dropdown(["；五月"；，"；六月&34；，"；七月"；])国家=gr.in.CheckboxGroup(["；美国"；，"；加拿大"；，"；墨西哥"；，"；UK"；])gr.Interface(fn=outbreak_forecast，Input=[r，Month，Countries，"；CheckBox"；]，Output="；Plot"；).Launch()。

提供下面的参数，然后单击提交以查看模拟疾病爆发的预测。这不是基于实际的疾病，而是使用合成数据。

GRadio现在是我们ML演示的重要组成部分。只需要几分钟就可以让演示变得栩栩如生。

GRadio通过快速让临床医生与机器学习模型交互而无需编写任何代码，加快了我们构建和演示跨学科模型的努力。这是一个巨大的节省时间！

想要将GRadio整合到一个大团队中吗？我们可以帮团队做广播台。保持联系。