djmango

medium api output

Mar 23rd, 2022 (edited)
264
0
Never
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
JSON 41.46 KB | None | 0 0
  1. {
  2.     "success": true,
  3.     "payload": {
  4.         "value": {
  5.             "id": "5a3941347b19",
  6.             "versionId": "a87d3649ca12",
  7.             "creatorId": "14497d5e4e89",
  8.             "homeCollectionId": "",
  9.             "title": "How to build and deploy a Question-Answering AI web app.",
  10.             "detectedLanguage": "en",
  11.             "latestVersion": "a87d3649ca12",
  12.             "latestPublishedVersion": "a87d3649ca12",
  13.             "hasUnpublishedEdits": true,
  14.             "latestRev": 546,
  15.             "createdAt": 1647691133850,
  16.             "updatedAt": 1647976400524,
  17.             "acceptedAt": 0,
  18.             "firstPublishedAt": 1647701604545,
  19.             "latestPublishedAt": 1647704085863,
  20.             "vote": false,
  21.             "experimentalCss": "",
  22.             "displayAuthor": "",
  23.             "content": {
  24.                 "subtitle": "Building a Question-Answer bot with pre-trained model from Hugging face and deploying using Gradio.",
  25.                 "bodyModel": {
  26.                     "paragraphs": [{
  27.                         "name": "9de6",
  28.                         "type": 3,
  29.                         "text": "How to build and deploy a Question-Answering AI web app.",
  30.                         "markups": []
  31.                     }, {
  32.                         "name": "1736",
  33.                         "type": 1,
  34.                         "text": "Building a Question-Answer bot with pre-trained model from Hugging face and deploying using Gradio.",
  35.                         "markups": [{
  36.                             "type": 1,
  37.                             "start": 0,
  38.                             "end": 99
  39.                         }, {
  40.                             "type": 2,
  41.                             "start": 0,
  42.                             "end": 99
  43.                         }]
  44.                     }, {
  45.                         "name": "aad7",
  46.                         "type": 4,
  47.                         "text": "Image credit: Google photos",
  48.                         "markups": [],
  49.                         "layout": 1,
  50.                         "metadata": {
  51.                             "id": "1*1QLDW4QsIxlKKsrWmsCRbQ.png",
  52.                             "originalWidth": 540,
  53.                             "originalHeight": 360,
  54.                             "isFeatured": true
  55.                         }
  56.                     }, {
  57.                         "name": "c823",
  58.                         "type": 1,
  59.                         "text": "In this article, I’m going to show how to build a simple question-answering bot in python using pre-trained model from hugging face and deploying it as a web app using Gradio.",
  60.                         "markups": [{
  61.                             "type": 3,
  62.                             "start": 119,
  63.                             "end": 131,
  64.                             "href": "https://huggingface.co/",
  65.                             "title": "",
  66.                             "rel": "",
  67.                             "anchorType": 0
  68.                         }]
  69.                     }, {
  70.                         "name": "2d29",
  71.                         "type": 1,
  72.                         "text": "Here is the Github Repository containing the codes.",
  73.                         "markups": [{
  74.                             "type": 3,
  75.                             "start": 12,
  76.                             "end": 29,
  77.                             "href": "https://github.com/christian-freshness/NLP-Web-App-deployment-using-Gradio",
  78.                             "title": "",
  79.                             "rel": "",
  80.                             "anchorType": 0
  81.                         }]
  82.                     }, {
  83.                         "name": "7a95",
  84.                         "type": 1,
  85.                         "text": "What is a Question-Answering Model?",
  86.                         "markups": [{
  87.                             "type": 1,
  88.                             "start": 0,
  89.                             "end": 35
  90.                         }]
  91.                     }, {
  92.                         "name": "7f43",
  93.                         "type": 1,
  94.                         "text": "According to wikipedia, Question answering (QA) is a computer science discipline within the fields of information retrieval and natural language processing (NLP), which is concerned with building systems that automatically answer questions posed by humans in a natural language.",
  95.                         "markups": [{
  96.                             "type": 3,
  97.                             "start": 13,
  98.                             "end": 22,
  99.                             "href": "https://en.wikipedia.org/wiki/Question_answering#:~:text=Question%20answering%20(QA)%20is%20a,humans%20in%20a%20natural%20language.",
  100.                             "title": "",
  101.                             "rel": "",
  102.                             "anchorType": 0
  103.                         }, {
  104.                             "type": 1,
  105.                             "start": 172,
  106.                             "end": 277
  107.                         }]
  108.                     }, {
  109.                         "name": "f3f2",
  110.                         "type": 1,
  111.                         "text": "Question-Answering Models are machine or deep learning models that can answer questions given some context, and sometimes without any context (e.g. open-domain QA). They can extract answer phrases from paragraphs, paraphrase the answer generatively, or choose one option out of a list of given options, and so on.",
  112.                         "markups": [{
  113.                             "type": 1,
  114.                             "start": 30,
  115.                             "end": 141
  116.                         }]
  117.                     }, {
  118.                         "name": "8bbb",
  119.                         "type": 13,
  120.                         "text": "Let’s get straight to building",
  121.                         "markups": [{
  122.                             "type": 1,
  123.                             "start": 0,
  124.                             "end": 30
  125.                         }]
  126.                     }, {
  127.                         "name": "6fb3",
  128.                         "type": 1,
  129.                         "text": "Stack: Tensorflow, Transformers, Huggingface, Gradio, huggingface spaces.",
  130.                         "markups": [{
  131.                             "type": 3,
  132.                             "start": 33,
  133.                             "end": 44,
  134.                             "href": "https://huggingface.co/",
  135.                             "title": "",
  136.                             "rel": "",
  137.                             "anchorType": 0
  138.                         }, {
  139.                             "type": 3,
  140.                             "start": 54,
  141.                             "end": 72,
  142.                             "href": "https://huggingface.co/spaces",
  143.                             "title": "",
  144.                             "rel": "",
  145.                             "anchorType": 0
  146.                         }]
  147.                     }, {
  148.                         "name": "7da9",
  149.                         "type": 1,
  150.                         "text": "Install and import dependencies",
  151.                         "markups": [{
  152.                             "type": 1,
  153.                             "start": 0,
  154.                             "end": 31
  155.                         }]
  156.                     }, {
  157.                         "name": "930f",
  158.                         "type": 1,
  159.                         "text": "To begin, we are going to install the needed dependencies",
  160.                         "markups": []
  161.                     }, {
  162.                         "name": "a784",
  163.                         "type": 8,
  164.                         "text": "!pip install tensorflow\n!pip install transformers",
  165.                         "markups": [{
  166.                             "type": 2,
  167.                             "start": 23,
  168.                             "end": 24
  169.                         }]
  170.                     }, {
  171.                         "name": "fbeb",
  172.                         "type": 1,
  173.                         "text": "importing",
  174.                         "markups": []
  175.                     }, {
  176.                         "name": "846e",
  177.                         "type": 8,
  178.                         "text": "import tensorflow as tf\nimport transformers\nfrom transformers import pipeline",
  179.                         "markups": [{
  180.                             "type": 1,
  181.                             "start": 0,
  182.                             "end": 6
  183.                         }, {
  184.                             "type": 1,
  185.                             "start": 18,
  186.                             "end": 20
  187.                         }, {
  188.                             "type": 1,
  189.                             "start": 24,
  190.                             "end": 48
  191.                         }, {
  192.                             "type": 1,
  193.                             "start": 62,
  194.                             "end": 68
  195.                         }]
  196.                     }, {
  197.                         "name": "f449",
  198.                         "type": 1,
  199.                         "text": "Import Model",
  200.                         "markups": [{
  201.                             "type": 1,
  202.                             "start": 0,
  203.                             "end": 12
  204.                         }]
  205.                     }, {
  206.                         "name": "e236",
  207.                         "type": 1,
  208.                         "text": "Here, we are going to import and download the pre-trained Question-answering model from Hugging Face. First, we are going to import the model class and the tokenizer.",
  209.                         "markups": []
  210.                     }, {
  211.                         "name": "c104",
  212.                         "type": 8,
  213.                         "text": "from transformers import AutoTokenizer, TFAutoModelForQuestionAnswering",
  214.                         "markups": [{
  215.                             "type": 1,
  216.                             "start": 0,
  217.                             "end": 4
  218.                         }, {
  219.                             "type": 1,
  220.                             "start": 18,
  221.                             "end": 24
  222.                         }]
  223.                     }, {
  224.                         "name": "94d0",
  225.                         "type": 1,
  226.                         "text": "Now we are going to install and setup the model and the tokenizer.",
  227.                         "markups": []
  228.                     }, {
  229.                         "name": "d7e7",
  230.                         "type": 8,
  231.                         "text": "model = TFAutoModelForQuestionAnswering.from_pretrained(\"bert-large-uncased-whole-word-masking-finetuned-squad\",return_dict=False)",
  232.                         "markups": [{
  233.                             "type": 1,
  234.                             "start": 6,
  235.                             "end": 7
  236.                         }, {
  237.                             "type": 1,
  238.                             "start": 39,
  239.                             "end": 40
  240.                         }, {
  241.                             "type": 1,
  242.                             "start": 123,
  243.                             "end": 129
  244.                         }]
  245.                     }, {
  246.                         "name": "7e45",
  247.                         "type": 8,
  248.                         "text": "tokenizer = AutoTokenizer.from_pretrained(\"bert-large-uncased-whole-word-masking-finetuned-squad\")",
  249.                         "markups": [{
  250.                             "type": 1,
  251.                             "start": 10,
  252.                             "end": 11
  253.                         }, {
  254.                             "type": 1,
  255.                             "start": 25,
  256.                             "end": 26
  257.                         }]
  258.                     }, {
  259.                         "name": "e8e6",
  260.                         "type": 8,
  261.                         "text": "nlp = pipeline(\"question-answering\", model=model, tokenizer=tokenizer)",
  262.                         "markups": [{
  263.                             "type": 1,
  264.                             "start": 4,
  265.                             "end": 5
  266.                         }, {
  267.                             "type": 1,
  268.                             "start": 42,
  269.                             "end": 43
  270.                         }, {
  271.                             "type": 1,
  272.                             "start": 59,
  273.                             "end": 60
  274.                         }]
  275.                     }, {
  276.                         "name": "5d9a",
  277.                         "type": 1,
  278.                         "text": "Above we got the name of the model in Hugging face which is the “bert-large-uncased-whole-word-masking-finetuned-squad”",
  279.                         "markups": []
  280.                     }, {
  281.                         "name": "e7cc",
  282.                         "type": 1,
  283.                         "text": "Next, we instantiated the tokenizer and the model itself on the model name.",
  284.                         "markups": []
  285.                     }, {
  286.                         "name": "e85b",
  287.                         "type": 1,
  288.                         "text": "Testing the model",
  289.                         "markups": [{
  290.                             "type": 1,
  291.                             "start": 0,
  292.                             "end": 17
  293.                         }]
  294.                     }, {
  295.                         "name": "29f2",
  296.                         "type": 4,
  297.                         "text": "",
  298.                         "markups": [],
  299.                         "layout": 1,
  300.                         "metadata": {
  301.                             "id": "1*pmquHb1iK-_NlRj_phcj1Q.png",
  302.                             "originalWidth": 796,
  303.                             "originalHeight": 234
  304.                         }
  305.                     }, {
  306.                         "name": "3002",
  307.                         "type": 13,
  308.                         "text": "Deploying The Model as a Web App using Gradio",
  309.                         "markups": [{
  310.                             "type": 1,
  311.                             "start": 0,
  312.                             "end": 45
  313.                         }]
  314.                     }, {
  315.                         "name": "e99a",
  316.                         "type": 1,
  317.                         "text": "Here we are going to deploy our model using Gradio.",
  318.                         "markups": []
  319.                     }, {
  320.                         "name": "900c",
  321.                         "type": 1,
  322.                         "text": "What is Gradio?",
  323.                         "markups": [{
  324.                             "type": 1,
  325.                             "start": 0,
  326.                             "end": 15
  327.                         }, {
  328.                             "type": 2,
  329.                             "start": 0,
  330.                             "end": 15
  331.                         }]
  332.                     }, {
  333.                         "name": "3b64",
  334.                         "type": 1,
  335.                         "text": "Gradio is a GUI library that allows you to create customizable GUI components for your Machine Learning model. To know more about Gradio u can check the Gradio website",
  336.                         "markups": [{
  337.                             "type": 3,
  338.                             "start": 153,
  339.                             "end": 167,
  340.                             "href": "https://gradio.app/",
  341.                             "title": "",
  342.                             "rel": "",
  343.                             "anchorType": 0
  344.                         }]
  345.                     }, {
  346.                         "name": "5917",
  347.                         "type": 1,
  348.                         "text": "Installing Gradio",
  349.                         "markups": []
  350.                     }, {
  351.                         "name": "039b",
  352.                         "type": 8,
  353.                         "text": "!pip install gradio",
  354.                         "markups": []
  355.                     }, {
  356.                         "name": "3ab4",
  357.                         "type": 1,
  358.                         "text": "Import",
  359.                         "markups": []
  360.                     }, {
  361.                         "name": "7987",
  362.                         "type": 8,
  363.                         "text": "import gradio as gr",
  364.                         "markups": [{
  365.                             "type": 1,
  366.                             "start": 0,
  367.                             "end": 6
  368.                         }, {
  369.                             "type": 1,
  370.                             "start": 14,
  371.                             "end": 16
  372.                         }]
  373.                     }, {
  374.                         "name": "1b5d",
  375.                         "type": 1,
  376.                         "text": "Creating the function for Gradio",
  377.                         "markups": [{
  378.                             "type": 1,
  379.                             "start": 0,
  380.                             "end": 32
  381.                         }]
  382.                     }, {
  383.                         "name": "2327",
  384.                         "type": 1,
  385.                         "text": "To understand why we have to write a function, you must first understand that gradio builds GUI components for our Machine Learning model based on the function. The function provides a way for gradio to get input from users and pass it on to the ML model which will then process it and then pass it back to gradio which then passes the result out.",
  386.                         "markups": []
  387.                     }, {
  388.                         "name": "f277",
  389.                         "type": 8,
  390.                         "text": "# creating the function\ndef func(context, question):\n  result = nlp(question = question, context=context)\n  return result['answer']",
  391.                         "markups": [{
  392.                             "type": 1,
  393.                             "start": 24,
  394.                             "end": 27
  395.                         }, {
  396.                             "type": 1,
  397.                             "start": 62,
  398.                             "end": 63
  399.                         }, {
  400.                             "type": 1,
  401.                             "start": 77,
  402.                             "end": 78
  403.                         }, {
  404.                             "type": 1,
  405.                             "start": 96,
  406.                             "end": 97
  407.                         }, {
  408.                             "type": 1,
  409.                             "start": 108,
  410.                             "end": 114
  411.                         }, {
  412.                             "type": 2,
  413.                             "start": 0,
  414.                             "end": 23
  415.                         }]
  416.                     }, {
  417.                         "name": "acd4",
  418.                         "type": 1,
  419.                         "text": "Now we are going to create our Web App interface using Gradio",
  420.                         "markups": []
  421.                     }, {
  422.                         "name": "e3e3",
  423.                         "type": 8,
  424.                         "text": "# creating the interface\napp = gr.Interface(fn=func, inputs = ['textbox', 'text'], outputs = 'textbox', title = 'Question Answering bot', theme = 'dark-grass', description = 'Input context and question, then get answers!')",
  425.                         "markups": [{
  426.                             "type": 1,
  427.                             "start": 29,
  428.                             "end": 30
  429.                         }, {
  430.                             "type": 1,
  431.                             "start": 33,
  432.                             "end": 34
  433.                         }, {
  434.                             "type": 1,
  435.                             "start": 46,
  436.                             "end": 47
  437.                         }, {
  438.                             "type": 1,
  439.                             "start": 60,
  440.                             "end": 61
  441.                         }, {
  442.                             "type": 1,
  443.                             "start": 91,
  444.                             "end": 92
  445.                         }, {
  446.                             "type": 1,
  447.                             "start": 110,
  448.                             "end": 111
  449.                         }, {
  450.                             "type": 1,
  451.                             "start": 144,
  452.                             "end": 145
  453.                         }, {
  454.                             "type": 1,
  455.                             "start": 172,
  456.                             "end": 173
  457.                         }, {
  458.                             "type": 2,
  459.                             "start": 0,
  460.                             "end": 24
  461.                         }]
  462.                     }, {
  463.                         "name": "0007",
  464.                         "type": 1,
  465.                         "text": "launching the app",
  466.                         "markups": []
  467.                     }, {
  468.                         "name": "124d",
  469.                         "type": 8,
  470.                         "text": "# launching the app\napp.launch(inline=False)",
  471.                         "markups": [{
  472.                             "type": 1,
  473.                             "start": 23,
  474.                             "end": 24
  475.                         }, {
  476.                             "type": 1,
  477.                             "start": 37,
  478.                             "end": 43
  479.                         }, {
  480.                             "type": 2,
  481.                             "start": 0,
  482.                             "end": 19
  483.                         }]
  484.                     }, {
  485.                         "name": "fc56",
  486.                         "type": 4,
  487.                         "text": "The app interface",
  488.                         "markups": [],
  489.                         "layout": 1,
  490.                         "metadata": {
  491.                             "id": "1*8waVwAwRzn6tYX4NG19rRQ.png",
  492.                             "originalWidth": 1281,
  493.                             "originalHeight": 565
  494.                         }
  495.                     }, {
  496.                         "name": "cded",
  497.                         "type": 1,
  498.                         "text": "This is the link to the app hosted on hugging face spaces, Q-A bot",
  499.                         "markups": [{
  500.                             "type": 3,
  501.                             "start": 59,
  502.                             "end": 66,
  503.                             "href": "https://huggingface.co/spaces/AjulorC/question_answering_bot_deployed_with_Gradio",
  504.                             "title": "",
  505.                             "rel": "noopener",
  506.                             "anchorType": 0
  507.                         }]
  508.                     }, {
  509.                         "name": "2464",
  510.                         "type": 1,
  511.                         "text": "Conclusion",
  512.                         "markups": [{
  513.                             "type": 1,
  514.                             "start": 0,
  515.                             "end": 10
  516.                         }]
  517.                     }, {
  518.                         "name": "bba4",
  519.                         "type": 1,
  520.                         "text": "In this article, we have been able to build a natural language processing question-answer model using a pre-trained model from huggingface and deployed the model as a web app using Gradio.",
  521.                         "markups": []
  522.                     }],
  523.                     "sections": [{
  524.                         "name": "d737",
  525.                         "startIndex": 0
  526.                     }, {
  527.                         "name": "49cc",
  528.                         "startIndex": 3
  529.                     }, {
  530.                         "name": "dddc",
  531.                         "startIndex": 26
  532.                     }]
  533.                 },
  534.                 "postDisplay": {
  535.                     "coverless": true
  536.                 }
  537.             },
  538.             "virtuals": {
  539.                 "allowNotes": true,
  540.                 "previewImage": {
  541.                     "imageId": "1*1QLDW4QsIxlKKsrWmsCRbQ.png",
  542.                     "filter": "",
  543.                     "backgroundSize": "",
  544.                     "originalWidth": 540,
  545.                     "originalHeight": 360,
  546.                     "strategy": "resample",
  547.                     "height": 0,
  548.                     "width": 0
  549.                 },
  550.                 "wordCount": 566,
  551.                 "imageCount": 3,
  552.                 "readingTime": 2.6858490566037734,
  553.                 "subtitle": "Building a Question-Answer bot with pre-trained model from Hugging face and deploying using Gradio.",
  554.                 "userPostRelation": {
  555.                     "userId": "bc20856a2347",
  556.                     "postId": "5a3941347b19",
  557.                     "readAt": 0,
  558.                     "readLaterAddedAt": 0,
  559.                     "votedAt": 0,
  560.                     "collaboratorAddedAt": 0,
  561.                     "notesAddedAt": 0,
  562.                     "subscribedAt": 0,
  563.                     "lastReadSectionName": "",
  564.                     "lastReadVersionId": "",
  565.                     "lastReadAt": 0,
  566.                     "lastReadParagraphName": "",
  567.                     "lastReadPercentage": 0,
  568.                     "viewedAt": 1647999897359,
  569.                     "presentedCountInResponseManagement": 0,
  570.                     "clapCount": 0,
  571.                     "seriesUpdateNotifsOptedInAt": 0,
  572.                     "queuedAt": 0,
  573.                     "seriesFirstViewedAt": 0,
  574.                     "presentedCountInStream": 1,
  575.                     "seriesLastViewedAt": 0,
  576.                     "audioProgressSec": 0
  577.                 },
  578.                 "usersBySocialRecommends": [],
  579.                 "noIndex": false,
  580.                 "recommends": 2,
  581.                 "isBookmarked": false,
  582.                 "tags": [{
  583.                     "slug": "machine-learning",
  584.                     "name": "Machine Learning",
  585.                     "postCount": 185272,
  586.                     "metadata": {
  587.                         "postCount": 185272,
  588.                         "coverImage": {
  589.                             "id": "1*pLtutNvjMO_7hE0iCmwb4Q.png",
  590.                             "originalWidth": 883,
  591.                             "originalHeight": 714
  592.                         }
  593.                     },
  594.                     "type": "Tag"
  595.                 }, {
  596.                     "slug": "deep-learning",
  597.                     "name": "Deep Learning",
  598.                     "postCount": 48955,
  599.                     "metadata": {
  600.                         "postCount": 48955,
  601.                         "coverImage": {
  602.                             "id": "1*bKjSfgg346CboQwUklPUdw.jpeg",
  603.                             "originalWidth": 6177,
  604.                             "originalHeight": 3522,
  605.                             "isFeatured": true
  606.                         }
  607.                     },
  608.                     "type": "Tag"
  609.                 }, {
  610.                     "slug": "artificial-intelligence",
  611.                     "name": "Artificial Intelligence",
  612.                     "postCount": 168680,
  613.                     "metadata": {
  614.                         "postCount": 168680,
  615.                         "coverImage": {
  616.                             "id": "1*gAn_BSffVBcwCIR6bDgK1g.jpeg"
  617.                         }
  618.                     },
  619.                     "type": "Tag"
  620.                 }, {
  621.                     "slug": "technology",
  622.                     "name": "Technology",
  623.                     "postCount": 424827,
  624.                     "metadata": {
  625.                         "postCount": 424827,
  626.                         "coverImage": {
  627.                             "id": "1*yH2cmH1uhoFpR7HIseOAsw.jpeg"
  628.                         }
  629.                     },
  630.                     "type": "Tag"
  631.                 }, {
  632.                     "slug": "data-science",
  633.                     "name": "Data Science",
  634.                     "postCount": 161508,
  635.                     "metadata": {
  636.                         "postCount": 161508,
  637.                         "coverImage": {
  638.                             "id": "0*5CnyWf0j4a9daNkY",
  639.                             "originalWidth": 6016,
  640.                             "originalHeight": 4016,
  641.                             "isFeatured": true,
  642.                             "unsplashPhotoId": "ieic5Tq8YMk"
  643.                         }
  644.                     },
  645.                     "type": "Tag"
  646.                 }],
  647.                 "socialRecommendsCount": 0,
  648.                 "responsesCreatedCount": 0,
  649.                 "links": {
  650.                     "entries": [{
  651.                         "url": "https://huggingface.co/",
  652.                         "alts": [],
  653.                         "httpStatus": 200
  654.                     }, {
  655.                         "url": "https://huggingface.co/spaces/AjulorC/question_answering_bot_deployed_with_Gradio",
  656.                         "alts": [],
  657.                         "httpStatus": 200
  658.                     }, {
  659.                         "url": "https://en.wikipedia.org/wiki/Question_answering#:~:text=Question%20answering%20(QA)%20is%20a,humans%20in%20a%20natural%20language.",
  660.                         "alts": [],
  661.                         "httpStatus": 200
  662.                     }, {
  663.                         "url": "https://huggingface.co/spaces",
  664.                         "alts": [],
  665.                         "httpStatus": 200
  666.                     }, {
  667.                         "url": "https://github.com/christian-freshness/NLP-Web-App-deployment-using-Gradio",
  668.                         "alts": [],
  669.                         "httpStatus": 200
  670.                     }, {
  671.                         "url": "https://gradio.app/",
  672.                         "alts": [],
  673.                         "httpStatus": 200
  674.                     }],
  675.                     "version": "0.3",
  676.                     "generatedAt": 1647704086526
  677.                 },
  678.                 "isLockedPreviewOnly": false,
  679.                 "metaDescription": "",
  680.                 "totalClapCount": 43,
  681.                 "sectionCount": 3,
  682.                 "readingList": 0,
  683.                 "topics": [{
  684.                     "topicId": "1eca0103fff3",
  685.                     "slug": "machine-learning",
  686.                     "createdAt": 1534449726145,
  687.                     "deletedAt": 0,
  688.                     "image": {
  689.                         "id": "1*gFJS3amhZEg_z39D5EErVg@2x.png",
  690.                         "originalWidth": 2800,
  691.                         "originalHeight": 1750
  692.                     },
  693.                     "name": "Machine Learning",
  694.                     "description": "Teaching the learners.",
  695.                     "relatedTopics": [],
  696.                     "visibility": 1,
  697.                     "relatedTags": [],
  698.                     "relatedTopicIds": [],
  699.                     "seoTitle": "Machine Learning News and Articles — Medium",
  700.                     "type": "Topic"
  701.                 }, {
  702.                     "topicId": "decb52b64abf",
  703.                     "slug": "programming",
  704.                     "createdAt": 1493934116328,
  705.                     "deletedAt": 0,
  706.                     "image": {
  707.                         "id": "1*iPa136b1cGEO7lvoXg6uHQ@2x.jpeg",
  708.                         "originalWidth": 6016,
  709.                         "originalHeight": 4016
  710.                     },
  711.                     "name": "Programming",
  712.                     "description": "The good, the bad, the buggy.",
  713.                     "relatedTopics": [],
  714.                     "visibility": 1,
  715.                     "relatedTags": [],
  716.                     "relatedTopicIds": [],
  717.                     "seoTitle": "Programming News and Articles — Medium",
  718.                     "type": "Topic"
  719.                 }]
  720.             },
  721.             "coverless": true,
  722.             "slug": "how-to-build-and-deploy-a-question-answering-ai-web-app",
  723.             "translationSourcePostId": "",
  724.             "translationSourceCreatorId": "",
  725.             "isApprovedTranslation": false,
  726.             "inResponseToPostId": "",
  727.             "inResponseToRemovedAt": 0,
  728.             "isTitleSynthesized": true,
  729.             "allowResponses": true,
  730.             "importedUrl": "",
  731.             "importedPublishedAt": 0,
  732.             "visibility": 0,
  733.             "uniqueSlug": "how-to-build-and-deploy-a-question-answering-ai-web-app-5a3941347b19",
  734.             "previewContent": {
  735.                 "bodyModel": {
  736.                     "paragraphs": [{
  737.                         "name": "previewImage",
  738.                         "type": 4,
  739.                         "text": "",
  740.                         "layout": 10,
  741.                         "metadata": {
  742.                             "id": "1*1QLDW4QsIxlKKsrWmsCRbQ.png",
  743.                             "originalWidth": 540,
  744.                             "originalHeight": 360,
  745.                             "isFeatured": true
  746.                         }
  747.                     }, {
  748.                         "name": "9de6",
  749.                         "type": 3,
  750.                         "text": "How to build and deploy a Question-Answering AI web app.",
  751.                         "markups": [],
  752.                         "alignment": 1
  753.                     }],
  754.                     "sections": [{
  755.                         "startIndex": 0
  756.                     }]
  757.                 },
  758.                 "isFullContent": false,
  759.                 "subtitle": "Building a Question-Answer bot with pre-trained model from Hugging face and deploying using Gradio."
  760.             },
  761.             "license": 0,
  762.             "inResponseToMediaResourceId": "",
  763.             "canonicalUrl": "https://medium.com/@christianajulor/how-to-build-and-deploy-a-question-answering-ai-web-app-5a3941347b19",
  764.             "approvedHomeCollectionId": "",
  765.             "isNewsletter": false,
  766.             "newsletterId": "",
  767.             "webCanonicalUrl": "https://medium.com/@christianajulor/how-to-build-and-deploy-a-question-answering-ai-web-app-5a3941347b19",
  768.             "mediumUrl": "https://medium.com/@christianajulor/how-to-build-and-deploy-a-question-answering-ai-web-app-5a3941347b19",
  769.             "migrationId": "",
  770.             "notifyFollowers": true,
  771.             "notifyTwitter": false,
  772.             "notifyFacebook": false,
  773.             "responseHiddenOnParentPostAt": 0,
  774.             "isSeries": false,
  775.             "isSubscriptionLocked": false,
  776.             "seriesLastAppendedAt": 0,
  777.             "audioVersionDurationSec": 0,
  778.             "sequenceId": "",
  779.             "isEligibleForRevenue": false,
  780.             "isBlockedFromHightower": false,
  781.             "deletedAt": 0,
  782.             "lockedPostSource": 0,
  783.             "hightowerMinimumGuaranteeStartsAt": 0,
  784.             "hightowerMinimumGuaranteeEndsAt": 0,
  785.             "featureLockRequestAcceptedAt": 0,
  786.             "mongerRequestType": 1,
  787.             "layerCake": 3,
  788.             "socialTitle": "",
  789.             "socialDek": "",
  790.             "editorialPreviewTitle": "",
  791.             "editorialPreviewDek": "",
  792.             "curationEligibleAt": 0,
  793.             "primaryTopic": {
  794.                 "topicId": "decb52b64abf",
  795.                 "slug": "programming",
  796.                 "createdAt": 1493934116328,
  797.                 "deletedAt": 0,
  798.                 "image": {
  799.                     "id": "1*iPa136b1cGEO7lvoXg6uHQ@2x.jpeg",
  800.                     "originalWidth": 6016,
  801.                     "originalHeight": 4016
  802.                 },
  803.                 "name": "Programming",
  804.                 "description": "The good, the bad, the buggy.",
  805.                 "relatedTopics": [],
  806.                 "visibility": 1,
  807.                 "relatedTags": [],
  808.                 "relatedTopicIds": [],
  809.                 "seoTitle": "Programming News and Articles — Medium",
  810.                 "type": "Topic"
  811.             },
  812.             "primaryTopicId": "decb52b64abf",
  813.             "isProxyPost": false,
  814.             "proxyPostFaviconUrl": "",
  815.             "proxyPostProviderName": "",
  816.             "proxyPostType": 0,
  817.             "isSuspended": false,
  818.             "isLimitedState": false,
  819.             "seoTitle": "",
  820.             "previewContent2": {
  821.                 "bodyModel": {
  822.                     "paragraphs": [{
  823.                         "name": "9de6",
  824.                         "type": 3,
  825.                         "text": "How to build and deploy a Question-Answering AI web app.",
  826.                         "markups": []
  827.                     }, {
  828.                         "name": "1736",
  829.                         "type": 1,
  830.                         "text": "Building a Question-Answer bot with pre-trained model from Hugging face and deploying using Gradio.",
  831.                         "markups": [{
  832.                             "type": 1,
  833.                             "start": 0,
  834.                             "end": 99
  835.                         }, {
  836.                             "type": 2,
  837.                             "start": 0,
  838.                             "end": 99
  839.                         }]
  840.                     }, {
  841.                         "name": "aad7",
  842.                         "type": 4,
  843.                         "text": "Image credit: Google photos",
  844.                         "markups": [],
  845.                         "layout": 1,
  846.                         "metadata": {
  847.                             "id": "1*1QLDW4QsIxlKKsrWmsCRbQ.png",
  848.                             "originalWidth": 540,
  849.                             "originalHeight": 360,
  850.                             "isFeatured": true
  851.                         }
  852.                     }, {
  853.                         "name": "c823",
  854.                         "type": 1,
  855.                         "text": "In this article, I’m going to show how to build a simple question-answering bot in python using pre-trained model from hugging face and deploying it as a web app using Gradio.",
  856.                         "markups": [{
  857.                             "type": 3,
  858.                             "start": 119,
  859.                             "end": 131,
  860.                             "href": "https://huggingface.co/",
  861.                             "title": "",
  862.                             "rel": "",
  863.                             "anchorType": 0
  864.                         }]
  865.                     }, {
  866.                         "name": "2d29",
  867.                         "type": 1,
  868.                         "text": "Here is the Github Repository…",
  869.                         "markups": [{
  870.                             "type": 3,
  871.                             "start": 12,
  872.                             "end": 29,
  873.                             "href": "https://github.com/christian-freshness/NLP-Web-App-deployment-using-Gradio",
  874.                             "title": "",
  875.                             "rel": "",
  876.                             "anchorType": 0
  877.                         }]
  878.                     }],
  879.                     "sections": [{
  880.                         "name": "d737",
  881.                         "startIndex": 0
  882.                     }, {
  883.                         "name": "49cc",
  884.                         "startIndex": 3
  885.                     }]
  886.                 },
  887.                 "isFullContent": false,
  888.                 "subtitle": "Building a Question-Answer bot with pre-trained model from Hugging face and deploying using Gradio."
  889.             },
  890.             "cardType": 0,
  891.             "isDistributionAlertDismissed": false,
  892.             "isShortform": false,
  893.             "shortformType": 0,
  894.             "responsesLocked": false,
  895.             "isLockedResponse": false,
  896.             "isPublishToEmail": false,
  897.             "responseDistribution": 0,
  898.             "isMarkedPaywallOnly": false,
  899.             "type": "Post"
  900.         },
  901.         "mentionedUsers": [],
  902.         "collaborators": [],
  903.         "hideMeter": false,
  904.         "collectionUserRelations": [],
  905.         "mode": null,
  906.         "references": {
  907.             "User": {
  908.                 "14497d5e4e89": {
  909.                     "userId": "14497d5e4e89",
  910.                     "name": "Christian Ajulor",
  911.                     "username": "christianajulor",
  912.                     "createdAt": 1593514066780,
  913.                     "imageId": "1*zwa5UIRadQrv6S9yv_KKXQ.jpeg",
  914.                     "backgroundImageId": "",
  915.                     "bio": "Data Scientist 📈📉 | Machine learning Engineer",
  916.                     "twitterScreenName": "AjulorC",
  917.                     "socialStats": {
  918.                         "userId": "14497d5e4e89",
  919.                         "usersFollowedCount": 2,
  920.                         "usersFollowedByCount": 3,
  921.                         "type": "SocialStats"
  922.                     },
  923.                     "social": {
  924.                         "userId": "bc20856a2347",
  925.                         "targetUserId": "14497d5e4e89",
  926.                         "type": "Social"
  927.                     },
  928.                     "allowNotes": 1,
  929.                     "mediumMemberAt": 0,
  930.                     "isWriterProgramEnrolled": true,
  931.                     "isSuspended": false,
  932.                     "firstOpenedAndroidApp": 1629069764970,
  933.                     "isMembershipTrialEligible": true,
  934.                     "facebookDisplayName": "",
  935.                     "optInToIceland": false,
  936.                     "hasCompletedProfile": true,
  937.                     "userDismissableFlags": [12, 18, 29],
  938.                     "hasSeenIcelandOnboarding": true,
  939.                     "postSubscribeMembershipUpsellShownAt": 0,
  940.                     "languageCode": "en-us",
  941.                     "type": "User"
  942.                 }
  943.             },
  944.             "Social": {
  945.                 "14497d5e4e89": {
  946.                     "userId": "bc20856a2347",
  947.                     "targetUserId": "14497d5e4e89",
  948.                     "type": "Social"
  949.                 }
  950.             },
  951.             "SocialStats": {
  952.                 "14497d5e4e89": {
  953.                     "userId": "14497d5e4e89",
  954.                     "usersFollowedCount": 2,
  955.                     "usersFollowedByCount": 3,
  956.                     "type": "SocialStats"
  957.                 }
  958.             }
  959.         }
  960.     },
  961.     "v": 3,
  962.     "b": "20220322-2312-root"
  963. }
Add Comment
Please, Sign In to add comment