【Gradio】Could not create share link

简介: 【Gradio】Could not create share link

写在最前面

在开发和测试机器学习模型或数据科学应用时,我们经常使用Gradio这样的工具来创建快速、交互式的原型。Gradio允许我们通过简单的界面与模型进行交互,无需构建复杂的前端应用。

去年的项目,重新部署运行Gradio时,我遇到如下的错误信息:

Running on local URL: http://0.0.0.0:9966

Could not create share link. Please check your internet connection or

our status page: https://status.gradio.app

这个错误通常表明Gradio尝试创建一个共享链接以便你可以将你的应用分享给其他人,但是出于某种原因失败了

参考:

gradio无法生成可分享的外部连接Could not create share link. Missing file:或Could not create share link. Please che

https://blog.csdn.net/unp/article/details/131479915

碎碎念:啊啊心态小爆炸orz,去年咋没做笔记。。找不到咋部署,忘记要挂后台了,好多处理细节又得重新试

没事这次做一下笔记,方便下次

在服务器端一直运行一个Python脚本

先进入到conda环境,然后在找到运行的py文件,比如我的/home/tjh/wyt/CT-summary/page2.py

最后输入命令:

nohup python /home/tjh/wyt/CT-summary/page2.py >out.log 2>&1 &

解决:下载frpc_linux_amd64文件,并添加权限

cd进入frpc_linux_amd64文件的位置(在类似路径.conda/envs/ChatGLM2/lib/python3.11/site-packages/gradio),输入以下命令给予权限:chmod +x frpc_linux_amd64_v0.2

参考:https://blog.csdn.net/bsy1111/article/details/133245312

  1. 先关闭防火墙,要不然会报错病毒不给下载。然后点击程序提示的第一个链接,下载frpc_linux_amd64文件;

    或者在https://github.com/friklogff/frpc_windows_amd64_v0.2/blob/main/frpc_linux_amd64这里下载

  1. 在本地将文件名字改为:frpc_linux_amd64_v0.2;
  2. 上传到对应的gradio安装包下面。(关于如何找到gradio安装包位置,可以参考后面附的完整碰壁过程)

总之就是先按照上面的提示先操作一遍。

如果此时还不好用,那么就可能是你上传文件到云服务器之后,会出现的一个文件读写权限的问题:

解决办法:

上传之后终端进入到gradio安装包的文件夹,输入如下命令:

sudo chmod +x frpc_linux_amd64_v0.2

或者

chmod +x frpc_linux_amd64_v0.2

更文件夹一个读写权限,问题解决。

原理

参考:https://blog.csdn.net/qq_42681787/article/details/132303480

弄一个内网穿透。

之后,我又修改了share=True,Gradio返回了一个类似这样的地址,通过这个地址还是访问不到应用,后来查阅资料才发现share=True返回的地址是 Gradio 官网提供的免费公共 URL,可以通过公网访问你本地部署的 Gradio 应用程序。share=True会向 Gradio 服务器注册你的应用程序,并把应用程序的公网 URL 地址返回给你。当你在浏览器中访问该地址时,Gradio 服务器就会通过反向代理的方式将用户的请求转发到你的本地 Gradio 应用程序上。这种实现方式可以使用户在不知道具体本地部署的情况下,通过公共网址轻松地访问 Gradio 应用程序。但是我部署到的团队服务器跟我的电脑是局域网连接起来的,这个服务器外网是访问不到的。

之后我将server_name指定为服务器的地址,应用可以访问。

或者把server_name=“0.0.0.0”也可以解决该问题

完整过程:先找gradio库位置,然后发现缺失文件

先找gradio库位置,然后发现缺失文件

在Linux系统中,可以通过终端(Terminal)使用一系列命令来查找文件或目录并进入到指定路径。下面是一步步如何找到gradio库所在的位置并进入到该目录的方法:

1. 打开终端

首先,您需要打开终端(Terminal)。这可以通过搜索“Terminal”或通过快捷键(通常是Ctrl+Alt+T)来完成。

也可以是直接在xshell输入指令。

2. 使用 find 命令查找 gradio 目录

您可以使用 find 命令来查找整个系统中 gradio 目录的位置。由于您已经知道 .conda/envs/ 目录下大概的路径,可以从这个位置开始查找以缩短搜索时间。输入以下命令:

find ~/ -type d -name gradio

这条命令的解释如下:

  • find 是用于查找文件和目录的命令。
  • ~/ 表示从您的主目录开始搜索,这样做是为了缩小搜索范围,使搜索更快。如果你确定 .conda 目录在其他位置,可以相应地调整这个路径。
  • -type d 表示您只想查找目录(不查找文件)。
  • -name gradio 表示您要查找名称为 gradio 的目录。

3. 查看 find 命令的输出

该命令会列出系统中所有名为 gradio 的目录的路径。输出应该包含一个或多个路径,您需要从中找出看起来像是 .conda/envs/ChatGLM2/lib/python3.11/site-packages/gradio 的那个路径。

4. 进入 gradio 目录

一旦找到了正确的 gradio 目录,可以使用 cd 命令来进入该目录。

假设在上一步骤中找到的路径是 /home/用户名/.conda/envs/ChatGLM2/lib/python3.11/site-packages/gradio,就可以输入:

cd /home/用户名/.conda/envs/ChatGLM2/lib/python3.11/site-packages/gradio

将其中的 用户名 替换为您的实际用户名。

5. 验证当前目录

输入 pwd 命令来验证您当前所在的目录,确保您已成功进入到了 gradio 目录中。

pwd

这条命令会输出您当前所在的完整路径,您可以确认是否和预期一致。

通过上述步骤,您就可以通过查看Linux系统下所有文件夹,一步步找到自己的 gradio 目录所在位置,并成功进入到该目录中。

其他解决流程

在开发和测试机器学习模型或数据科学应用时,我们经常使用Gradio这样的工具来创建快速、交互

式的原型。Gradio允许我们通过简单的界面与模型进行交互,无需构建复杂的前端应用。然而,有时候在本地运行Gradio时,你可能会遇到如下的错误信息:

Running on local URL: http://0.0.0.0:9966
Could not create share link. Please check your internet connection or our status page: https://status.gradio.app

这个错误通常表明Gradio尝试创建一个共享链接以便你可以将你的应用分享给其他人,但是出于某种原因失败了。下面是一些解决这个问题的方法:

1. 检查互联网连接

  • 首先,确保你的设备连接到互联网。尝试访问其他网站或服务以验证你的连接是否正常。

2. 访问Gradio状态页面

  • 然后,访问Gradio状态页面来检查Gradio服务是否有任何已知的故障或维护。如果有服务中断,你可能需要等待直到问题被解决。

3. 使用本地模式

  • 如果你只是希望在本地测试Gradio界面,并不需要创建共享链接,你可以在启动Gradio应用时指定不创建共享链接。可以通过添加参数share=False来实现这一点。例如,如果你通常是这样启
  • 启动Gradio的:
import gradio as gr

def my_model_function(input):
    # 你的模型逻辑
    return output

iface = gr.Interface(fn=my_model_function, inputs="text", outputs="text")
iface.launch()

你可以修改最后一行为:

iface.launch(share=False)

这将避免尝试创建共享链接,但仍然允许你在本地访问和测试界面。

4. 检查防火墙和网络设置

  • 有时,网络设置或防火墙可能阻止Gradio创建共享链接。确保你的网络设置允许出站连接到Gradio的服务器,并且没有任何软件(如防火墙或安全软件)阻止Gradio操作。

5. 更新Gradio到最新版本

  • Gradio团队持续改进软件并修复已知问题。通过运行以下命令,确保你安装了最新版本的Gradio:
pip install --upgrade gradio

6. 寻求帮助

  • 如果以上方法都没有解决问题,你可以在Gradio的GitHub仓库中查找类似的问题或开启一个新的Issue。提供你遇到的错误信息和你已经尝试的解决方法,这样社区或者Gradio团队成员可以提供帮助。

使用这些步骤,你应该能够解决Gradio无法创建共享链接的问题,继续开发和测试你的应用。如果问题持续存在,不要犹豫寻求社区的帮助。

目录
相关文章
|
机器学习/深度学习 存储 人工智能
Gradio入门到进阶全网最详细教程[一]:快速搭建AI算法可视化部署演示(侧重项目搭建和案例分享)
Gradio入门到进阶全网最详细教程[一]:快速搭建AI算法可视化部署演示(侧重项目搭建和案例分享)
|
人工智能 JSON API
构建AI智能体:二十、妙笔生花:Gradio集成DashScope Qwen-Image模型实现文生图
本文介绍了一个基于Gradio和阿里云通义千问Qwen-Image模型的文生图应用。该应用通过简洁的Web界面实现文本生成图像功能,支持多种风格(3D卡通、动漫、油画等)和尺寸选择,并包含负面提示词功能。文章详细解析了代码结构,包括API调用封装、参数映射、错误处理等核心功能模块,同时提供了丰富的示例提示词和生成效果展示。该工具适合探索AI图像生成能力,通过调整提示词和参数可优化生成效果。
1497 3
|
人工智能 自然语言处理 物联网
llama factory 从数据集起步 跑通 qwen系列开源生成式大模型 微调
`dataset_info.json` 文件用于管理 llama factory 中的所有数据集,支持 `alpaca` 和 `sharegpt` 格式。通过配置此文件,可以轻松添加自定义数据集。数据集的相关参数包括数据源地址、数据集格式、样本数量等,支持 Hugging Face 和 ModelScope 两个平台的数据集仓库。针对不同格式的数据集,提供了详细的配置示例,如 `alpaca` 格式的指令监督微调数据集、偏好数据集等,以及 `sharegpt` 格式的多模态数据集等。今天我们通过自定义数据集的方式来进行qwen2.5_14B_instruct模型进行微调
9249 7
|
机器学习/深度学习 人工智能 自然语言处理
Dolphin:40语种+22方言!清华联合海天瑞声推出的语音识别大模型,识别精度超Whisper两代
Dolphin是清华大学与海天瑞声联合研发的语音识别大模型,支持40种东方语言和22种中文方言,采用CTC-Attention混合架构,词错率显著低于同类模型。
6084 50
Dolphin:40语种+22方言!清华联合海天瑞声推出的语音识别大模型,识别精度超Whisper两代
|
存储 Linux 开发工具
告别Hugging Face模型下载难题:掌握高效下载策略,畅享无缝开发体验
【8月更文挑战第2天】告别Hugging Face模型下载难题:掌握高效下载策略,畅享无缝开发体验
6993 64
告别Hugging Face模型下载难题:掌握高效下载策略,畅享无缝开发体验
|
机器学习/深度学习 算法 自动驾驶
《从GRPO看强化学习样本效率的飞跃!》
在强化学习领域,样本效率一直是亟待解决的难题。传统算法如Q学习需海量样本才能让智能体学会有效行为模式,尤其在复杂环境中,这成为应用瓶颈。群组相对策略优化(GRPO)应运而生,通过生成动作序列并进行相对评估,摒弃了价值网络,显著提升了样本利用率和计算效率。GRPO在实际应用中展现了巨大优势,如DeepSeek团队利用其大幅减少了训练样本和成本,提高了模型性能。这一创新为资源受限场景及更多领域的强化学习应用打开了新大门。
1315 0
《从GRPO看强化学习样本效率的飞跃!》
|
机器人 API UED
Gradio 流式输出教程
本文是Gradio流式输出教程,介绍了如何通过Gradio的Blocks API实现聊天机器人的流式文本输出,包括两个示例:一个简单的ChatBot流式输出示例和一个更复杂的输入处理与输出分离的流式输出示例,旨在改善用户体验并为实时处理积累技术。
Gradio 流式输出教程

热门文章

最新文章