Gradio全解10——Streaming:流式传输的多模态应用(3)——HF Inference:在服务器运行推理

Gradio全解10------Streaming:流式传输的多模态应用(3)------HF Inference:在服务器运行推理

    • [10.3 HF Inference:在推理客户端运行推理服务](#10.3 HF Inference:在推理客户端运行推理服务)
      • [10.3.1 InferenceClient的推理类型](#10.3.1 InferenceClient的推理类型)
      • [10.3.2 text_to_image:文生图任务](#10.3.2 text_to_image:文生图任务)
      • [10.3.3 chat_completion:生成响应](#10.3.3 chat_completion:生成响应)

本章目录如下:

  1. 《Gradio全解10------Streaming:流式传输的多媒体应用(1)------自动语音识别技术(ASR)》
  2. 《Gradio全解10------Streaming:流式传输的多媒体应用(2)------基于Mini-Omni模型构建对话式聊天机器人》
  3. 《Gradio全解10------Streaming:流式传输的多媒体应用(3)------HF Inference:在推理客户端运行推理服务》
  4. 《Gradio全解10------Streaming:流式传输的多媒体应用(4)------Spaces ZeroGPU:为Spaces提供动态GPU分配方案》
  5. 《Gradio全解10------Streaming:流式传输的多媒体应用(5)------Mistral-7B实现流式传输音频:魔力8号球》
  6. 《Gradio全解10------Streaming:流式传输的多媒体应用(6)------基于Groq的带自动语音检测功能的多模态Gradio应用》
  7. 《Gradio全解10------Streaming:流式传输的多媒体应用(7)------基于YOLO与WebRTC的摄像头实时目标检测》
  8. 《Gradio全解10------Streaming:流式传输的多媒体应用(8)------RT-DETR模型构建视频流目标检测系统》

10.3 HF Inference:在推理客户端运行推理服务

在学习更高级聊天机器人示例之前,需要先学习一下要用到的两个知识点:HF Inference和ZeroGPU。本节学习HF Inference,推理(Inference)是指使用训练好的模型对新数据进行预测的过程。由于该过程可能涉及大量计算,所以最好运行在专用服务或外部服务上。关于在服务上运行推理请参阅HuggingFace说明文档: Run Inference on servers🖇️链接10-6

10.3.1 InferenceClient的推理类型

huggingface_hub库提供了运行推理服务的统一接口,可为托管在HuggingFace Hub上的模型提供跨多种服务器的推理,包括:

  • 推理服务提供商(Inference Providers):通过HuggingFace的无服务器推理合作伙伴,为数百个机器学习模型提供简化的统一访问。这一新方案基于先前推出的无服务器推理API(Serverless Inference API),依托世界级服务提供商的支持,可提供更多模型选择、更优性能及更高可靠性。支持的服务商列表请参阅Inference Providers🖇️链接10-7
  • 推理终端节点(Inference Endpoints):该产品可轻松将模型部署至生产环境,推理过程由HuggingFace在用户指定的云服务商的专属全托管基础设施中运行。
  • 本地终端节点(Local endpoints):用户还可以通过将客户端连接至llama.cpp、Ollama、vLLM、LiteLLM或文本生成推理(Text Generation Inference, TGI)等本地推理服务器来运行推理。

这些服务均可通过InferenceClient对象调用,InferenceClient是一个通过HTTP调用与官方API交互的Python客户端。它替代了旧版客户端InferenceApi,并新增了对特定任务和第三方供应商的支持,从旧版客户端迁移至新客户端的方法请参阅Legacy InferenceAPI client🖇️链接10-8

如果用户希望直接使用常用工具(如curl、Postman等)发起HTTP请求,请参阅Inference Providers🖇️链接10-9,或Inference Endpoints🖇️链接10-10。对于网页开发,官方已发布JS Client🖇️链接10-11。如果从事游戏开发,可以关注官方的C# project🖇️链接10-12

10.3.2 text_to_image:文生图任务

让我们从一个文生图任务开始入门:

python 复制代码
from huggingface_hub import InferenceClient
# Example with an external provider (e.g. replicate)
replicate_client = InferenceClient(
    provider="replicate",
    api_key="my_replicate_api_key",
)
replicate_image = replicate_client.text_to_image(
    "A flying car crossing a futuristic cityscape.",
    model="black-forest-labs/FLUX.1-schnell",
)
replicate_image.save("flying_car.png")

在上述示例中,我们使用第三方服务提供商Replicate初始化了一个 InferenceClient。当使用第三方提供商时,必须指定要使用的模型,该模型ID必须是HuggingFace Hub上的模型标识符,而非第三方提供商自身的模型ID。在本例中,我们通过文本提示生成了一张图像,返回值为PIL.Image对象,可保存为文件,更多细节请参阅文档:text_to_image()🖇️链接10-13

10.3.3 chat_completion:生成响应

接下来让我们看一个使用chat_completion() API的示例,该任务利用大语言模型由消息列表生成响应:

python 复制代码
from huggingface_hub import InferenceClient
messages = [
    {
        "role": "user",
        "content": "What is the capital of France?",
    }
]
client = InferenceClient(
    provider="together",
    model="meta-llama/Meta-Llama-3-8B-Instruct",
    api_key="my_together_api_key",
)
client.chat_completion(messages, max_tokens=100)

输出为:

bash 复制代码
ChatCompletionOutput(
    choices=[
        ChatCompletionOutputComplete(
            finish_reason="eos_token",
            index=0,
            message=ChatCompletionOutputMessage(
                role="assistant", content="The capital of France is Paris.", name=None, tool_calls=None
            ),
            logprobs=None,
        )
    ],
    created=1719907176,
    id="",
    model="meta-llama/Meta-Llama-3-8B-Instruct",
    object="text_completion",
    system_fingerprint="2.0.4-sha-f426a33",
    usage=ChatCompletionOutputUsage(completion_tokens=8, prompt_tokens=17, total_tokens=25),
)

示例中,我们创建客户端时使用了第三方服务提供商Together AI,并指定了所需模型meta-llama/Meta-Llama-3-8B-Instruct。随后我们提供了待补全的消息列表(此处为单个问题),并向API传递了额外参数(max_token=100)。输出结果为遵循OpenAI规范的ChatCompletionOutput对象,生成内容可通过output.choices[0].message.content获取。

更多细节请参阅chat_completion()文档🖇️链接10-14。该API设计简洁,但并非所有参数和选项都会向终端用户开放或说明,如需了解各任务支持的全部参数,请查阅Inference Providers - API Reference🖇️链接10-15,如果查询各提供商支持的任务,请查询Inference - Supported providers and tasks🖇️链接10-16

相关推荐
珊珊而川19 小时前
Reflexion对ReAct的改进
人工智能
量化交易曾小健(金融号)19 小时前
GPT-5 Instant能修补模型情商漏洞了
人工智能
听到微笑19 小时前
LLM 只会生成文本?用 ReAct 模式手搓一个简易 Claude Code Agent
人工智能·langchain·llm
沐雪架构师19 小时前
让 Agent 说“机器能懂的话”——LlamaIndex 构建 Agent 的结构化输出策略
人工智能
Elastic 中国社区官方博客19 小时前
在 Elasticsearch 中改进 Agentic AI 工具的实验
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
AI数据皮皮侠19 小时前
中国地级市旅游人数、收入数据(2000-2023年)
大数据·人工智能·python·深度学习·机器学习·旅游
mooooon L19 小时前
DAY 43 复习日-2025.10.7
人工智能·pytorch·python·深度学习·神经网络
zzywxc78720 小时前
AI 在金融、医疗、教育、制造业等领域都有广泛且深入的应用,以下是这些领域的一些落地案例
人工智能·金融·自动化·prompt·ai编程·xcode
你的大佬99920 小时前
阿里云百炼ai模型
人工智能·阿里云·云计算
koo36420 小时前
李宏毅机器学习笔记16
人工智能·笔记·机器学习