《Gradio : AI awesome-demos》
《Gradio : AI awesome-demos》
This is a list of some wonderful demos & applications built with Gradio. Here's how to contribute yours!
🖊️ Natural language processing
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| ruDALL-E | Text | Image | 编辑 |
| Mandarin Text-to-Speech (TTS) | Text | Audio | 编辑 |
| Multilingual Summarization model (MLSUM) | Radio, Text | Text | 编辑 |
| News Summarizer | Text | Text | 编辑 |
| KoGPT | Text | Text | 编辑 |
| Sentiment Histogram For Turkish | Text | Image | 编辑 |
| GPT-J-6B | Text | Text | 编辑 |
| Adverse Drug Reaction Xtractor | Text | HTML | 编辑 |
| Neural Search Engine | Text | Text | 编辑 |
| E-Coicop-food-classifier | Text | Text | 编辑 |
| twitter_emotions | Text | Label | 编辑 |
| Language Detector | Text | Label | 编辑 |
| Question Answering in English, Spanish and Basque | Text | Text | 编辑 |
| Table Question Answering (TAPAS) | Text, CSV | JSON, Dataframe | 编辑 |
| Song Genre Predictor | Text | Label | 编辑 |
| GT4SD - Diffusers | Text, Dropdown | Image | 编辑 |
| GT4SD - Patent Generative Transformer | Text, Dropdown | Text | 编辑 |
| GT4SD - KeyBERT | Text, Dropdown | Text | 编辑 |
| GT4SD - HuggingFace Transformers | Text, Dropdown | Text | 编辑 |
📂 Data/file manipulation
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| GGUF Editor | FileExplorer, LoginButton, Dropdown, Textbox | Dataframe, HighlightedText, Button | 编辑 |
| AudioFusion | Audio, Slider | Audio | 编辑 |
📷 Computer vision
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| ruDALL-E | Text | Image | 编辑 |
| Animeganv2 | Image | Image | 编辑 |
| Bytetrack | Image | Image | 编辑 |
| Anime Face Detector | Image, Slider | Image | 编辑 |
| super-image | Image, Radio, Dropdown | Image | 编辑 |
| Pet Breed Classifier | Image | Label | 编辑 |
| LayoutLMv2 | Image | Image | 编辑 |
| Gradio YOLOv5 Det v0.4 | Image, Video, Radio, Dropdown, Slider, Number, CheckboxGroup | Image, Video, JSON, File, Dataframe, Label, Gallery | 编辑 |
| Yolov5 | Image | Image | 编辑 |
| VQGAN + CLIP | Text, Image, Slider, Number | Image, Video | 编辑 |
| CLIP Guided Diffusion | Text, Image, Slider, Number | Image, Video | 编辑 |
| BlendGAN | Image, Slider | Image | 编辑 |
| SAHI + YOLOv5 | Image, Number, Dropdown, Checkbox | Image | 编辑 |
| Pose Estimation for Humans, Vehicles and Animals | Image, Radio, Checkbox | Image | 编辑 |
| Convolutional Hough Matching Networks | Image, Slider | Image | 编辑 |
| CRAFT-OCR | Image | Image, Text | 编辑 |
| AnimeGANv2 for Videos | Video, Slider | Video | 编辑 |
| CLIP Image Search | Image, Radio, Text | Image | 编辑 |
| GT4SD - Diffusers | Text, Dropdown | Image | 编辑 |
🔬 Science
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| MolDesigner | Text, Image, Dropdown | Text | 编辑 |
| GT4SD - Regression Transformer | File, Dropdown | Dataframe | 编辑 |
| GT4SD - GeoDiff | Text, File | HTML | 编辑 |
| GT4SD - MoLeR | Text, Dropdown | HTML | 编辑 |
| GT4SD - TorchDrug | Text, Dropdown | HTML | 编辑 |
| GT4SD - MOSES | Dropdown | HTML | 编辑 |
| GT4SD - REINVENT | Text, Dropdown | HTML | 编辑 |
| GT4SD - PaccMann^RL | Text, Dropdown | HTML | 编辑 |
| GT4SD - PaccMann^GP | Text, Dropdown | HTML | 编辑 |
| GT4SD - Suzuki catalysts | Text, Dropdown | HTML | 编辑 |
| GT4SD - Polymer Blocks | File, Dropdown | HTML | 编辑 |
| GT4SD - Molecular properties | Text, File, Dropdown | HTML | 编辑 |
| GT4SD - Protein properties | Text, File, Dropdown | HTML | 编辑 |
| GT4SD - Crystal properties | File, Dropdown | Dataframe | 编辑 |
📈 Tabular Data & Plots
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| Weather Data & Graph in 2022 | Dropdown, Checkbox, Radio, CheckboxGroup | Dataframe, Plot | 编辑 |
🌏 Remote Sensing
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| Segment-RS | Image, Radio,Slider | Image | 编辑 |
| RS-Tile-Creator | Image, Radio, Slider, Number, Text | Image, Text | 编辑 |
💊 Medicine
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| Echocardiogram-Segmentation | Image | Image | 编辑 |
| Adverse Drug Reaction Xtractor | Text | HTML | 编辑 |
| Sartorius Cell Instance Segmentation (detectron2) | Image | Image | 编辑 |
| Cell Instance Segmentation (MMDetection) | Image | Image | 编辑 |
🎵 Audio processing
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| Mandarin Text-to-Speech (TTS) | Text | Audio | 编辑 |
| Demucs | Audio | Audio | 编辑 |
| XLS-R 2B 22-to-16 Speech Translation | Audio, Dropdown | Text | 编辑 |
| YourTTS | Audio, Dropdown, Textbox | Audio | 编辑 |
| AudioFusion | Audio, Slider | Audio | 编辑 |
🔢 Math
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| GP Posterior Approximation with Transformers | Dataframe, Radio | Text, Image | 编辑 |
🤗 Fun
| Demo name (link to demo) | input type(s) | output type(s) | status badge |
|---|---|---|---|
| Animeganv2 | Image | Image | 编辑 |
| AnimeGANv2 for Videos | Video, Slider | Video | 编辑 |
| Anime Face Detector | Image, Slider | Image | 编辑 |
| Song Genre Predictor | Text | Label | 编辑 |
相关文章:
《Gradio : AI awesome-demos》
《Gradio : AI awesome-demos》 This is a list of some wonderful demos & applications built with Gradio. Heres how to contribute yours! 🖊️ Natural language processing Demo name (link to demo)input type(s)output type(s)status badgeruDALL-ET…...
DeepSeek R1-7B 医疗大模型微调实战全流程分析(全码版)
DeepSeek R1-7B 医疗大模型微调实战全流程指南 目录 环境配置与硬件优化医疗数据工程微调策略详解训练监控与评估模型部署与安全持续优化与迭代多模态扩展伦理与合规体系故障排除与调试行业应用案例进阶调优技巧版本管理与迭代法律风险规避成本控制方案文档与知识传承1. 环境配…...
javascript实现生肖查询
今年是农历乙巳年,蛇年,今天突发奇想,想知道公元0年是农历什么年,生肖是什么。没想到AI给我的答复是,没有公元0年。我瞬间呆愣,怎么可能?后来详细查询了一下,还真是没有。具体解释如…...
UE5从入门到精通之如何创建自定义插件
前言 Unreal 的Plugins插件系统中有很多的插件供大家使用,包括官方的和第三方的,这些插件不仅能帮我我们实现特定功能,还能够提升我们的工作效率。 所以我们今天就来自己创建一个自定义插件,如果我们想实现什么特定的功能,我们也可以发布到商店供大家使用了。 创建插件 …...
《今日AI-人工智能-编程日报》
一、AI行业动态 AI模型作弊行为引发担忧 最新研究表明,AI在国际象棋对弈中表现出作弊倾向,尤其是高级推理模型如OpenAI的o1-preview和DeepSeek的R1模型。这些模型通过篡改代码、窃取棋路等手段试图扭转战局,且作弊行为与其智能水平正相关。研…...
sanitizer和valgrind
sanitizer sanitizer使用 Valgrind valgrind使用 使用上sanitizer加编译选项即可 发现sanitizer程序要正常退出才能给出分析,ctrlc退出不行,valgrind ctrlc退出也可以给出分析...
如何解决前端的竞态问题
前端的竞态问题通常是指多个异步操作的响应顺序与发起顺序不一致,导致程序出现不可预测的结果。这种问题在分页、搜索、选项卡切换等场景中尤为常见。以下是几种常见的解决方法: 1. 取消过期请求 当用户发起新的请求时,取消之前的请求&…...
(ECCV2018)CBAM改进思路
论文链接:https://arxiv.org/abs/1807.06521 论文题目:CBAM: Convolutional Block Attention Module 会议:ECCV2018 论文方法 利用特征的通道间关系生成了一个通道注意图。 由于特征映射的每个通道被认为是一个特征检测器,通道…...
Python脚本,音频格式转换 和 视频格式转换
一、音频格式转换完整代码 from pydub import AudioSegment import osdef convert_audio(input_dir, output_dir, target_format):if not os.path.exists(output_dir):os.makedirs(output_dir)for filename in os.listdir(input_dir):if filename.endswith((.mp3, .wav, .ogg)…...
基于Spring Boot的高校就业招聘系统的设计与实现(LW+源码+讲解)
专注于大学生项目实战开发,讲解,毕业答疑辅导,欢迎高校老师/同行前辈交流合作✌。 技术范围:SpringBoot、Vue、SSM、HLMT、小程序、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容:…...
强化学习(赵世钰版)-学习笔记(4.值迭代与策略迭代)
本章是整个课程中,算法与方法的第一章,应该是最简单的入门方法。 上一章讲到了贝尔曼最优方程,其目的是计算出最优状态值,从而确定对应的最优策略。 而压缩映射理论推出了迭代算法 对初始值V0赋一个随机的初始值,算法最…...
Cursor安装配置
1.安装 通过网盘分享的文件:Cursor Setup 0.45.11 - x64.exe 链接: 百度网盘 请输入提取码 提取码: 6juv 2. 配置 选择AI工具的语言 输入AI工具的语言为 "中文" ,输入完语言之后,直接点击 "Continue" 下一步&#x…...
相机几何:从三维世界到二维图像的映射
本系列课程将带领读者开启一场独特的三维视觉工程之旅。我们不再止步于教科书式的公式推导,而是聚焦于如何将抽象的数学原理转化为可落地的工程实践。通过解剖相机的光学特性、构建成像数学模型、解析坐标系转换链条,直至亲手实现参数标定代码࿰…...
【GoTeams】-5:引入Docker
本文目录 1. Dokcer-compose回顾下Docker知识编写docker-compose.yaml运行docker 2. 部署go服务编写dockerfile 1. Dokcer-compose 这里简单先用一下win版本的Docker,后期开发好了部署的时候再移植到服务器下进行docker部署。 输入命令docker-compose version 就可…...
基金股票期权期货投资方式对比
以下是基金、股票、期权和期货的详细对比分析,涵盖定义、核心特点、优势、劣势、适用场景及相互区别: 一、基金 定义 基金是通过集合投资者的资金,由专业管理人(基金经理)进行多元化投资的金融工具。根据投资标的可分…...
大模型AI平台DeepSeek 眼中的SQL2API平台:QuickAPI、dbapi 和 Magic API 介绍与对比
目录 1 QuickAPI 介绍 2 dbapi 介绍 3 Magic API 介绍 4 简单对比 5 总结 统一数据服务平台是一种低代码的方式,实现一般是通过SQL能直接生成数据API,同时能对产生的数据API进行全生命周期的管理,典型的SQL2API的实现模式。 以下是针对…...
K8S学习之基础十九:k8s的四层代理Service
K8S四层代理Service 四层负载均衡Service 在k8s中,访问pod可以通过ip端口的方式,但是pod是由生命 周期的,pod在重启的时候ip地址往往会发生变化,访问pod就需要新的ip地址,这样就会很麻烦,每次pod地址改变就…...
揭开AI-OPS 的神秘面纱 第六讲 AI 模型服务层 - 开源模型选型与应用 (时间序列场景|图神经网络场景)
时间序列场景 AI 模型服务层 - 开源模型选型与应用 (时间序列场景) 在 AI-Ops 中,时间序列数据分析主要应用于以下场景: 指标预测: 预测 Metrics 指标 (例如 CPU 使用率、内存使用率、网络流量、请求延迟等) 的未来趋势,用于容量规划、资源调度、异常检测等。异常检测: 检…...
在Dify中访问Gemini等模型代理设置指南
问题背景 Google Gemini模型可纯免费使用,且性能也相当不错,一般个人使用或研究足够。但在在国内访问,需设置代理。在Docker部署Dify时,虽然按官方文档介绍设置代理环境变量,但实测发现并不生效。我们通过研究试验解决…...
MySQL的安装以及数据库的基本配置
MySQL的安装及配置 MySQL的下载 选择想要安装的版本,点击Download下载 Mysql官网下载地址: https://downloads.mysql.com/archives/installer/ MySQL的安装 选择是自定义安装,所以直接选择“Custom”,点击“Next” …...
深度学习在微纳光子学中的应用
深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向: 逆向设计 通过神经网络快速预测微纳结构的光学响应,替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…...
docker详细操作--未完待续
docker介绍 docker官网: Docker:加速容器应用程序开发 harbor官网:Harbor - Harbor 中文 使用docker加速器: Docker镜像极速下载服务 - 毫秒镜像 是什么 Docker 是一种开源的容器化平台,用于将应用程序及其依赖项(如库、运行时环…...
Spark 之 入门讲解详细版(1)
1、简介 1.1 Spark简介 Spark是加州大学伯克利分校AMP实验室(Algorithms, Machines, and People Lab)开发通用内存并行计算框架。Spark在2013年6月进入Apache成为孵化项目,8个月后成为Apache顶级项目,速度之快足见过人之处&…...
vscode(仍待补充)
写于2025 6.9 主包将加入vscode这个更权威的圈子 vscode的基本使用 侧边栏 vscode还能连接ssh? debug时使用的launch文件 1.task.json {"tasks": [{"type": "cppbuild","label": "C/C: gcc.exe 生成活动文件"…...
Frozen-Flask :将 Flask 应用“冻结”为静态文件
Frozen-Flask 是一个用于将 Flask 应用“冻结”为静态文件的 Python 扩展。它的核心用途是:将一个 Flask Web 应用生成成纯静态 HTML 文件,从而可以部署到静态网站托管服务上,如 GitHub Pages、Netlify 或任何支持静态文件的网站服务器。 &am…...
页面渲染流程与性能优化
页面渲染流程与性能优化详解(完整版) 一、现代浏览器渲染流程(详细说明) 1. 构建DOM树 浏览器接收到HTML文档后,会逐步解析并构建DOM(Document Object Model)树。具体过程如下: (…...
解决本地部署 SmolVLM2 大语言模型运行 flash-attn 报错
出现的问题 安装 flash-attn 会一直卡在 build 那一步或者运行报错 解决办法 是因为你安装的 flash-attn 版本没有对应上,所以报错,到 https://github.com/Dao-AILab/flash-attention/releases 下载对应版本,cu、torch、cp 的版本一定要对…...
Linux-07 ubuntu 的 chrome 启动不了
文章目录 问题原因解决步骤一、卸载旧版chrome二、重新安装chorme三、启动不了,报错如下四、启动不了,解决如下 总结 问题原因 在应用中可以看到chrome,但是打不开(说明:原来的ubuntu系统出问题了,这个是备用的硬盘&a…...
Android15默认授权浮窗权限
我们经常有那种需求,客户需要定制的apk集成在ROM中,并且默认授予其【显示在其他应用的上层】权限,也就是我们常说的浮窗权限,那么我们就可以通过以下方法在wms、ams等系统服务的systemReady()方法中调用即可实现预置应用默认授权浮…...
【JavaWeb】Docker项目部署
引言 之前学习了Linux操作系统的常见命令,在Linux上安装软件,以及如何在Linux上部署一个单体项目,大多数同学都会有相同的感受,那就是麻烦。 核心体现在三点: 命令太多了,记不住 软件安装包名字复杂&…...
