Gradio
Framework para crear demos web de modelos de machine learning en minutos.
CategoríaApps de datos
DificultadPrincipiante
Tiempo de aprendizaje1 semana
¿Qué puedes lograr con esta herramienta?
Los resultados prácticos que desbloquea.
- Envolver una función de predicción con una interfaz web (inputs/outputs) en pocas líneas
- Compartir una demo de modelo con un enlace público temporal
- Integrar demos directamente en el Hugging Face Hub
Descripción
Gradio se especializa en crear interfaces web de demostración para modelos de machine learning: basta con envolver la función de predicción, y Gradio genera automáticamente los controles de entrada y salida adecuados (imagen, texto, audio, etc.).
Casos de uso
- Demos rápidas de modelos de ML para stakeholders
- Interfaces de prueba para modelos de visión/audio/texto
- Publicación de demos en Hugging Face Spaces
- Recolección de feedback cualitativo sobre un modelo
Instalación
pip install gradioEjemplo básico
import gradio as gr
def clasificar(texto):
return "positivo" if "bien" in texto else "negativo"
gr.Interface(fn=clasificar, inputs="text", outputs="label").launch()Ventajas y limitaciones
Ventajas
- Interfaces de demo de modelos en muy pocas líneas
- Integración nativa con Hugging Face Hub/Spaces
- Genera automáticamente componentes según el tipo de input/output
Limitaciones
- Menos flexible que Streamlit para dashboards de datos generales
- Personalización de diseño más limitada
Alternativas
Herramientas que resuelven un problema parecido de otra forma.