Build and Deploy a Machine Learning App in 2 Minutes

El equipo de Hugging Face est谩 muy emocionado
de anunciar el lanzamiento p煤blico de Spaces, la forma m谩s r谩pida y sencilla de crear, implementar
y compartir aplicaciones de demostraci贸n de Machine Learning. Los proyectos de aprendizaje autom谩tico vienen en todo tipo
de sabores diferentes. Creamos Spaces porque quer铆amos brindar
una soluci贸n m谩s flexible para que la gente compartiera sus proyectos. Con Spaces, puede tomar
cualquier c贸digo existente que pueda tener, crear una aplicaci贸n a su alrededor en minutos y compartirlo instant谩neamente
en nuestro sitio, todo de forma gratuita. Veamos lo f谩cil que es… Para crear un nuevo espacio, primero aseg煤rese de haber
iniciado sesi贸n en su cuenta Hugging Face. Luego, simplemente haga clic en su icono de usuario en la
esquina superior y haga clic en "Nuevo espacio". Aqu铆 es donde podemos nombrar nuestro proyecto y
elegir una de las bibliotecas de c贸digo abierto compatibles con las que nos gustar铆a construir nuestra aplicaci贸n.
En este momento puede seleccionar Streamlit o Gradio.

Llamaremos a nuestra aplicaci贸n "aplicaci贸n de demostraci贸n"
y elegiremos Streamlit por el bien de esta demostraci贸n. Una vez que estemos listos, podemos hacer clic en "Crear espacio"
para crear un nuevo proyecto. El proyecto es en realidad un repositorio de git, por lo que
*podr铆amos* clonarlo localmente para editar los archivos si quisi茅ramos. Tambi茅n tenemos la opci贸n de
simplemente agregar y editar archivos en el navegador, as铆 que eso es lo que haremos por ahora.

Agreguemos un archivo `requirements.txt` a nuestro
repositorio, que es c贸mo podemos definir las Dependencias de Python de nuestra aplicaci贸n. Para hacer eso, navegaremos a la pesta帽a "Archivos y
versiones" y "crearemos un nuevo archivo" usando el men煤 desplegable a la derecha. Nombraremos el archivo `requirements.txt` y
agregaremos un par de dependencias, en este caso PyTorch y los `transformers` de Hugging Face. Cuando hayamos terminado, presionaremos "confirmar nuevo archivo"
para agregarlo al repositorio de nuestros espacios. Para crear la aplicaci贸n en s铆, agregaremos otro
archivo nuevo llamado `app.py`. En este archivo, definiremos r谩pidamente una aplicaci贸n Streamlit simple que
utiliza la "tuber铆a" de an谩lisis de sentimiento predeterminada de "transformers" para predecir qu茅 tan positivo
o negativo es un texto de entrada dado. Al igual que antes, cuando hayamos terminado, presionaremos
"confirmar nuevo archivo" para agregar el archivo de la aplicaci贸n al repositorio. En solo unas pocas l铆neas de c贸digo, hemos terminado
y podemos ver nuestra aplicaci贸n en ejecuci贸n desde la pesta帽a "Aplicaci贸n" .

Si elegimos hacer p煤blico nuestro espacio,
podemos compartir f谩cilmente nuestra aplicaci贸n con cualquier persona en todo el mundo compartiendo el enlace al espacio. En este video, vimos lo f谩cil que
es crear, implementar y compartir aplicaciones de demostraci贸n de Machine Learning con Hugging Face Spaces. 隆Ahora es el momento de que salgas y
compartas tu propia demostraci贸n incre铆ble con el mundo! Para obtener m谩s informaci贸n sobre Hugging Face Spaces
, puede consultar los documentos o explorar los espacios compartidos por la comunidad.

Hasta la pr贸xima, 隆gracias por mirar!.

Deja un comentario

Tu direcci贸n de correo electr贸nico no ser谩 publicada. Los campos obligatorios est谩n marcados con *