Обзор
Какой фреймворк использовать, где разместить код и где разместить модель, которую можно легко загрузить в эти фреймворки.
Хостинг моделей
Градио
Официальный сайт: https://gradio.app/
Градио(приложение+деплой) и HuggingFace(хостинг модели)
Плюсы Gradio:
- Быстрая и простая настройка из коробки
- Работает прямо в блокнотах
- Абсолютно никаких знаний в веб-разработке не требуется
- Приложениями легко поделиться
- Хороший выбор встроенных элементов пользовательского интерфейса
- Такие функции, как скриншоты или пометка вывода, очень удобны для демонстраций.
Минусы градиента:
- Ограниченный контроль над макетом пользовательского интерфейса
- Не подходит для сложных приложений (например, управление состоянием, кэширование)
Быстрый свет
Xgboost: https://medium.com/towards-data-science/deploying-ml-models-using-streamlit-5d6212453bdd
Плюсы Streamlit:
- Быстрая установка
- Расширенные функции, такие как кэширование и управление состоянием, позволяют создавать сложные приложения.
- Большой выбор встроенных виджетов пользовательского интерфейса
- Настраиваемый макет пользовательского интерфейса
- Расширяемость за счет поддержки пользовательских сторонних компонентов
Минусы Streamlit:
- Совместное использование приложений не так тривиально, как с помощью Gradio
- Сложные приложения требуют некоторого понимания передовых концепций веб-разработки.
- Не совместим с ноутбуками
- Отсутствуют некоторые базовые встроенные функции для демонстраций машинного обучения (например, пометка неожиданных входных/выходных данных).
ОбниматьсяFace Spaces
Spaces похож на «страницу github» для моделей, он создает репозиторий на Huggingface, на котором размещена модель обслуживания кодовой базы. Он поддерживает выбор Streamlit или Gradio в качестве обслуживающей среды.
Посмотрите это видео, чтобы увидеть, как это работает:
В этом случае модель размещена на Huggingface, обучена с помощью autoNLP, цена которого сейчас довольно высока. https://www.youtube.com/watch?v=s-6V6HlwX98&t=0s
Полный стек
Фласк
https://flask.palletsprojects.com/en/2.1.x/
https://github.com/flask-restful/flask-restful
- Серверная часть, отвечающая за загрузку и обслуживание модели в качестве REST API.
- Внешний интерфейс для предоставления элементов пользовательского интерфейса для взаимодействия с внутренним интерфейсом.