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.
$ paasta login
$ cd my-gradio-app
$ paasta deploy
✓ build detected: gradio
✓ domain and HTTPS readyپاستا فایلها و قراردادهای خود این استک را میخواند و پیش از انتشار، تصمیمهای مهم Build و Runtime را شفاف نشان میدهد.
پکیجهای Python نصب و فایل ورودی Gradio برای فرمان اجرا انتخاب میشود.
server_name برابر 0.0.0.0 و server_port از PORT خوانده میشود.
وزن مدل، cache یا فایل خروجی حجیم روی Volume یا Object Storage قرار میگیرد.
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.
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.
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.
ساخت حساب رایگان است. هزینه فقط بر اساس منابعی است که انتخاب میکنید.
شروع استقرار