国产河南妇女毛片精品久久,久久天天躁日日躁狠狠躁,成人国产网站v片免费观看

我們可以在這個頁面中上傳圖片，然后就可以看到模型進行推理運行，等一會后推理結果就出來了，如下圖所示：

推理結果為：”a dog wearing a santa hat and a red scarf”(一只狗戴著圣誕老人的帽子和紅色的圍巾)

頁面小組件的方式是 HuggingFace 自動幫助模型創建的，具體的信息可以參考這里^[2]。

代碼調用

另外一種方式是通過代碼對推理 API 進行調用，在右側的Deploy菜單中選擇Inference API，如下圖所示：

打開菜單后可以看到幾種代碼調用方式，分別有 Python, JavaScript 和 Curl：

這里我們選擇 Curl 方式來進行調用，我們可以直接復制界面上的 Curl 命令，注意其中包含了我們的 API token，所以不要隨意分享出去，然后在終端上執行命令，就可以看到預測結果了：

$ curl https://api-inference.huggingface.co/models/Salesforce/blip-image-captioning-base \

    -X POST \

    --data-binary '@dogs.jpg' \

    -H "Authorization: Bearer hf_xxxxxxxxxxxxxxxxxxxxxx"



# 輸出結果

[{"generated_text":"a dog wearing a santa hat and a red scarf"}]%

HuggingFace 推理端點(Endpoint)

推理 API 雖然方便，但推理 API 一般用于測試和驗證，由于速率限制，官方不推薦在生產環境中使用，而且也不是所有模型都有提供推理 API。如果想要在生產環境部署一個專屬的推理 API 服務，我們可以使用 HuggingFace 的推理端點（Endpoint）。

推理端點的部署也比較簡單，首先在Deploy菜單中選擇Inference Endpoints，如下圖所示：

打開菜單后可以看到新建推理端點的界面，如下圖所示：

首先是服務器的選擇，先選擇云服務廠商，目前只有 AWS 和 Azure 兩種，再選擇機器區域節點。
然后是服務器的配置，HuggingFace 默認會給出模型的最低推理配置，如果我們想要更高的配置，可以點擊2中的下拉框進行選擇。
接著是推理端點的安全等級，有 3 種選擇，分別是Protected、Public和Privaate

Pubulic：推理端點運行在公共的 HuggingFace 子網中，互聯網上的任何人都可以訪問，無需任何認證。
Protected：推理端點運行在公共的 HuggingFace 子網，互聯網上任何擁有合適 HuggingFace Token 的人都可以訪問它。
Privacy：推理端點運行在私有的 HuggingFace 子網，不能通過互聯網訪問，只能通過你的 AWS 或 Azure 賬戶中的一個私有連接來使用，可以滿足最嚴格的合規要求。

最后顯示的是服務器的價格，按小時算，根據配置的不同，價格也會有所不同。HuggingFace API 是免費的，但 HuggingFace 的推理端點是要收費的，畢竟是自己專屬的 API 服務。因為推理端點部署是收費的，所以在部署之前需要在 HuggginFace 中添加付款方法，一般使用國內的 Visa 或 Master 卡就可以了。

信息確認無誤后點擊Create Endpoint按鈕創建推理端點，創建成功后可以進入推理端點的詳情頁面看到如下信息：

其中Endpoint URL就是部署好的推理端點地址，我們可以跟調用推理 API 一樣的方式來使用它，示例代碼如下：

$ curl https://your-endpoint-url \

    -X POST \

    --data-binary '@dogs.jpg' \

    -H "Authorization: Bearer hf_xxxxxxxxxxxxxxxxxxxxxx"

HuggingFace 模型空間(Space)

HuggingFace 推理端點是部署 API 服務，但是如果我們想要分享自己的模型，讓別人可以直接在瀏覽器中使用模型的功能，這時候就需要使用 HuggingFace 的模型空間（Space）了。

要部署一個模型空間，首先在模型的Deploy菜單中選擇Spaces，如下圖所示：

選擇菜單后可以看到空間創建的引導界面，如下圖所示：

界面中顯示了啟動模型的 Python 腳本，然后我們點擊Create new Space按鈕進入空間的創建頁面，如下圖所示：

在模型創建頁面中，我們需要設置以下信息：

首先要指定空間的名稱，一般以模型的名稱命名。
然后選擇空間的 SDK，目前有Streamlit、Gradio、Docker和Static?四種。
- Streamlit：Streamlit 是一個可以幫助我們快速創建數據應用的 Python 庫，可以在瀏覽器中直接使用模型，它相比Gradio可以支持更加豐富的頁面組件，界面也更加美觀。
- Gradio：Gradio 也是一個編寫 GUI 界面的 Python 庫，相對Streamlit來說，它的 GUI 功能雖然比較少，但它的優勢在于簡單易用，一般演示的 Demo 用它就足夠了。
- Docker：推理空間也可以使用 Docker 容器進行部署，它內部支持了 10 種模版。
- Static：靜態頁面，我理解是包括 Html、Js、Css 等前端資源來作為頁面展示。
然后選擇空間硬件，HuggingFace 為每個空間提供了一個免費的配置：2 核 CPU 16G 內存，用這個配置部署推理空間是免費的，如果你想要更高的配置，也可以選擇付費的配置。

最后是安全等級，有Public和Private兩種，Public 是公開的，任何人都可以訪問，但只有你的組織成員可以修改，Private 是私有的，只有你的組織成員可以訪問。

設置完后點擊Create Space按鈕就開始創建推理空間了，創建完成后會自動跳轉到空間的頁面，如下圖所示：

如果推理空間的安全等級設置為 Public，你就可以將空間的 URL 分享給其他人使用了。想查看 HuggingFace 推理空間更多的信息，可以參考這里^[3]。

總結

本文介紹了 HuggingFace 的推理 API、推理端點和推理空間的使用方法，推理 API 是免費的，使用 HuggingFace 自建的 API 服務，推理端點是部署自己專屬的 API 服務，但需要收取一定的費用。推理空間是部署模型的 Web 頁面，可以直接在瀏覽器中使用模型的功能，可以用于演示和分享模型，有一定的免費額度。

關注我，一起學習各種人工智能和 AIGC 新技術，歡迎交流，如果你有什么想問想說的，歡迎在評論區留言。