HF 部署 · notes

使用 Gradio 搭配 Hugging Face Spaces 部署一個免費的 AI Demo 應用

建立全新的 Hugging Face Space: 需先註冊並登入 Hugging Face 免費帳號.
前往 Hugging Face Spaces 頁面，點擊右上角的 Create new Space。
填寫 Space 設定檔：
- Space name：為專案命名（例如 sentiment-demo）。
- License：選擇開源授權（例如 mit）。
- Select the Space SDK：選擇 Gradio。
- Space hardware：選擇免費的 CPU basic（2 vCPU, 16GB RAM）。
- Visibility：選擇 Public（所有人可存取）或 Private（私人）。
點擊 Create Space 完成建立。
建立依賴套件檔 requirements.txt: 告知平台需要安裝哪些 Python 函式庫. 在頁面上的 Files 頁籤點擊 Add file -> Create new file，檔名輸入 requirements.txt，貼入以下專案所需的套件：

transformers
torch

點擊頁面下方的 Commit new file to main 提交檔案。

新增主程式 app.py: 放置 Gradio 介面與 AI 模型推論邏輯. 再次點擊 Add file -> Create new file，檔名必須為 app.py（平台預設的執行入口）。貼入以下文字情緒分析 Demo 程式碼：

import gradio as gr
from transformers import pipeline

# 載入輕量級情緒分析模型（DistilBERT）
classifier = pipeline("sentiment-analysis", model="distilbert-base-uncased-finetuned-sst-2-english")

def predict_sentiment(text):
    if not text.strip():
        return "請輸入有效內容"
    results = classifier(text)
    label = results[0]['label']
    score = round(results[0]['score'], 4)
    return f"預測結果: {label} (信心度: {score})"

# 建立 Gradio 互動介面
demo = gr.Interface(
    fn=predict_sentiment,
    inputs=gr.Textbox(lines=3, placeholder="請輸入英文句子，例如: I love this machine learning model!"),
    outputs="text",
    title="😊/☹️ 英文文本情緒分析 Demo",
    description="本 App 部署於 Hugging Face Spaces，使用 DistilBERT 模型進行即時推論。"
)

# 啟動應用程式
if __name__ == "__main__":
    demo.launch()

點擊頁面下方的 Commit new file to main 提交檔案。

等待自動構建與啟動: 首次載入模型可能需要 1~2 分鐘.
提交 app.py 後，頁面上方狀態會由 Building 轉為 Running。
切換回 App 頁籤，即可直接在瀏覽器中操作並測試這支 AI Demo 應用！

💡 進階技巧與維護須知

嵌入其他網站：點擊 Space 右上角選單中的 Embed this Space，可取得 HTML <iframe /> 或 Web Component 語法，將此 AI Demo 直接嵌入你個人的部落格或網站。
使用 Git 本地開發：可以使用 git clone [https://huggingface.co/spaces/你的使用者名稱/你的專案名稱](https://huggingface.co/spaces/你的使用者名稱/你的專案名稱) 將專案複製到本地編輯，完成後使用 git push 上傳更新。
金鑰與私密資訊防護：若程式碼需要呼叫外部 API（如 OpenAI、Anthropic 存取金鑰），請勿硬寫在 app.py。可在 Space 設定頁面的 Settings -> Secrets 中新增環境變數，程式碼中再透過 os.getenv("YOUR_API_KEY") 讀取。