Daggr ile Yapay Zeka İş Akışlarını Kod Üzerinden Zincirleme ve Görsel Denetleme
Kaynak: huggingface.co ·
Daggr, Gradio uygulamalarını, makine öğrenmesi modellerini ve özel fonksiyonları birbirine bağlayan yeni ve açık kaynaklı bir Python kütüphanesidir. Geliştiricilerin iş akışlarını Python koduyla tanımlamasını sağlarken, ara çıktıların denetlenmesine, her adımın ayrı ayrı yeniden çalıştırılmasına ve durumların yönetilmesine imkan tanıyan görsel bir tuval üretir. Kütüphane; GradioNode, FnNode ve InferenceNode olmak üzere üç farklı düğüm türünü destekler. Beta aşamasında olan bu hafif araç, karmaşık ardışık düzenlerin hızlı prototipleme ve hata ayıklama süreçlerini kolaylaştırır.
Neden önemli?
Çoklu model ve işlem adımı içeren yapay zeka uygulamaları geliştirirken, API çağrılarını zincirlemek ve hata ayıklamak oldukça zordur. Bu araç, kodu sürüm kontrolüne uygun tutarken görsel denetim imkanı sunarak geliştiricilerin tüm süreci baştan çalıştırmadan sadece hatalı adımı yeniden çalıştırmasına olanak tanır.
Bununla neler yapılabilir?
- Olası kullanım: Bir resmi alıp arka planını temizlemek, ardından görüntüyü küçülterek Flux modeliyle 3B varlık stilinde yeni bir görsel üretmek ve bu çıktıyı 3B oluşturucuya göndermek için ardışık düzenler kurmak.
- Olası kullanım: Yerel olarak çalışan Gradio uygulamalarını veya uzak API uç noktalarını düğüm olarak kullanarak esnek ve yedekli iş akışları oluşturmak.
Sınırlar ve açık kalan sorular
Daggr şu anda beta aşamasındadır ve kasıtlı olarak hafif tutulmuştur. Sürümler arasında API'ler değişebilir ve iş akışı durumu yerel olarak saklansa da güncellemeler sırasında veri kaybı yaşanabilir.