Gradio

Framework para crear demos web de modelos de machine learning en minutos.

CategoríaApps de datos
DificultadPrincipiante
Tiempo de aprendizaje1 semana
Official documentation

¿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

Instalarbash
pip install gradio

Ejemplo básico

Ejemplo básicopython
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.