gradio 시작하기 (설치방법)

AI 학습 모델은 강력하고 매우 흥미롭지만 그 자체로만 본다면 그다지 유용해 보이지 않습니다. 모델이 완성되면 어떠한 가치를 제공할 수 있는지 증명이 필요한데 Accuracy, Precision, Recall, IOU, PSNR와 같은 성능 지표로는 확인이 어렵기 때문입니다.

데이터 과학자나 머신러닝 모델을 연구하는 개발자가 학습 모델을 쉽고 빠르게 배포하여 이해 관계자로부터 피드백을 받을 수 있는 몇 가지 도구가 등장했습니다. 대표적으로 gradio, Streamlit, Dash, Flask가 있는데 이번 글에서는 Gradio를 설치하고 간단한 예제를 수행해 보도록 하겠습니다.

---

설치 (Installation)

gradio 패키지 설치는 pip 명령어를 이용하여 설치할 수 있습니다.

pip install gradio

설치가 잘되었다면 Web 애플리케이션을 만들기 위해 Python 스크립트 (예: app.py)를 생성합니다. 스크립트에서 gradio을 사용하여 다양한 기능과 위젯을 포함한 앱을 구축할 수 있습니다. 기본 예제는 다음과 같습니다.

import gradio as gr

def greet(name):
    return "Hello " + name + "!"

demo = gr.Interface(fn=greet, inputs="text", outputs="text")

demo.launch()

스크립트 실행 후 브라우저 주소창에 http://localhost:7860 을 이력하시면 아래와 같이 확인이 가능합니다.

또 하나의 예제를 보여드리겠습니다. Python 의 한 줄로 ViT(Vision Transformer) 모델을 이용한 이미지 분류(Classification) Web 애플리케이션을 빌드할 수 있습니다. (Hugging Face Model Hub의 vit-base-patch16-224 모델을 이용합니다.)

import gradio as gr

gr.load("huggingface/google/vit-base-patch16-224",).launch()

배경을 제거하는 예제입니다. 이 예제 역시 한 줄 코드입니다.

import gradio as gr

gr.Interface.load("spaces/eugenesiow/remove-bg").launch()

이 외에도 Gradio를 사용하여 다양한 머신러닝 모델에 대한 인터페이스를 구축할 수 있습니다. 그리고 다른 패키지와는 달리 gradio는 JupyterNotebook, Colab 또는 독립적인 실행형 Python 스크립트 내에서 실행이 가능합니다. 현재 gradio의 인기는 빠르게 증가하고 있습니다. Cisco 및 Amazon과 같은 빅테크 기업의 머신러닝 연구실, Stanford 의학과 같은 학술 환경에서 사용되고 있습니다.