هاست Gradio روی پلتفرم ابری پاستا
رابط Gradio برای مدل یا ابزار AI را با Queue، Volume مدل و دامنه HTTPS منتشر کنید؛ تنظیمات listen و مصرف حافظه متناسب با workload انتخاب می‌شوند.
● RunningProductionنمونه استقرار
$ paasta login$ cd my-gradio-app$ paasta deployBuild detected: gradioHealth check passedHTTPS domain readyتنظیمات Gradio را شفاف ببینید.
پاستا تنظیمات و فایل‌های پروژه را بررسی می‌کند و پیش از انتشار، جزئیات مهم مربوط به Build و Runtime را در اختیار شما می‌گذارد.
- ۱اپ و dependencyهای مدل ساخته می‌شوند
پکیج‌های Python نصب و فایل ورودی Gradio برای فرمان اجرا انتخاب میشود.
- ۲Gradio روی شبکه عمومی کانتینر گوش می‌دهد
server_name برابر 0.0.0.0 و server_port از PORT خوانده میشود.
- ۳مدل و خروجی‌ها پایدار می‌شوند
وزن مدل، cache یا فایل خروجی حجیم روی Volume یا Object Storage قرار می‌گیرد.
راهنما و پرسش‌های Gradio
آموزش استقرار Gradio با نمونه عملی و رفع خطاهای رایج · محاسبه هزینه
- ساخت و اجرا
- تشخیص اپ Gradio و اجرای وب
- پورت برنامه
- 7860
چرا Gradio فقط روی localhost باز میشود؟
در launch مقدار server_name='0.0.0.0' و server_port=int(os.environ['PORT']) را تعیین کنید. share=True روی پاستا لازم نیست.
برای درخواستهای طولانی Queue را فعال کنم؟
بله، برای inference زمانبر از demo.queue() استفاده کنید و timeout مناسب سرویس را در نظر بگیرید. Queue مانع اشغال همزمان بیش از ظرفیت مدل میشود.
مدل بزرگ را داخل Git قرار بدهم؟
خیر. وزن مدل را هنگام Build از منبع معتبر دریافت یا روی Volume/S3 نگه‌داری کنید. قرار دادن فایل بزرگ در Git، Build و هر بروزرسانی را کند می‌کند.
همه چیز در یک پروژه
دموی مدل AI
Volume پایدار
لاگ زنده
Rollback نسخه‌ها
بازگشت به نسخه قبلی برنامه؛ تغییرات داده و دیتابیس به‌صورت خودکار برگردانده نمی‌شوند.
پروژه Gradio خود را همین امروز اجرا کنید.
هزینه بر اساس منابعی محاسبه میشود که برای اجرای پروژه در نظر می‌گیرید.