gr.Workflow gjør Gradio-grafen til både lerret og REST-API

Gradio har fått et lerret der pipelinen selv er grensesnittet. gr.Workflow er bygget rett inn i biblioteket, og Hugging Face la ut en gjennomgang av det 25. august. Du beskriver stegene som en graf av typede noder, og Gradio serverer et dra-og-slipp-lerret der hver node er kjørbar og hvert mellomresultat er synlig mens det skjer. Den samme grafen er også et REST-API og en deploy til Hugging Face Spaces med én kommando.

Grafen består av tre nodetyper. Referanser er inndataene dine, operatorer er stegene som gjør arbeidet, og subjekter er utdataene. En operator kan være din egen Python-funksjon, en modell på Hugging Face Inference Providers, et annet Gradio Space, eller en rad fra et Hub-datasett. Du drar mellom typede porter for å koble dem sammen.

Det mest praktiske trekket er at hvert utdata automatisk blir et REST-endepunkt oppkalt etter merkelappen sin. En graf med tre utganger gir deg /sticker, /voiceover og /episode_title uten ekstra arbeid, kallbare fra Python-klienten eller rett fra curl. Det betyr at lerretet er der du bygger og feilsøker, mens produksjonsbruken går utenom grensesnittet helt.

For deg som kjører egne modeller er fn-noden det interessante. Den er bare Python, så den kan laste en modell inne i ditt eget Space. Dekorerer du den bundne funksjonen med @spaces.GPU, tar ZeroGPU et grafikkort for akkurat det kallet og slipper det etterpå. Hugging Face demonstrerer det med Lightricks LTX-Video lastet gjennom Diffusers. gr.Workflow trenger ikke å vite noe om GPU-oppsettet ditt, den kaller bare funksjonen.

Enkleste vei inn fra Python er tre linjer: importer gradio, definer funksjonen din, og kall gr.Workflow med funksjonen i bind-lista før du starter.

Hva bør du gjøre?

1. Åpne en av demoene og trykk Duplicate. Alle eksemplene i gjennomgangen er levende Spaces du kan kjøre og kopiere til din egen konto.
2. Test API-veien før du bygger UI-et ferdig. Endepunktene er navngitt etter utdata-merkelappene, så merkelapper du velger tilfeldig blir API-et du sitter med.
3. Husk token-skillet. Endepunkter som kaller en modell eller et Space kjører under en Hugging Face-token, så den må sendes med når du oppretter klienten.