Day10. Hugging Face Spaces 部署實作 Ep. 2：用 Google Colab 串接 Hugging Face API (+ Gradio)

17th鐵人賽

楊舒安

2025-09-24 07:38:53

121 瀏覽

分享至

只想讓 AI 幫忙查美食熱量、回覆健康問題，不一定要把專案公開部署到 Hugging Face Spaces！也可以考慮用 Google Colab 串接 Hugging Face API，私下訓練模型、一樣可以取得推論結果。

示意流程圖

(由 Perplexity 協助生成圖片)

本日重點

介紹 Hugging Face API 與 Google Colab 串接的實作流程
運用 Colab 實現線上推論與模型部署
Gradio 結合 Hugging Face API，快速打造互動式 DEMO
專案程式碼結構示範及注意細節
實務上的串接技巧與分享錯誤排除

一、Colab 雲端開發，專案全程私有

只要在 Colab 完成訓練、測試、推論流程，所有模型檔案、敏感程式都不會外流，不用擔心資安的問題。方便初學者利用免費 GPU 資源跑 AI 應用。

1. 建立 app.py 檔案

可以參考以下的方式：

開啟 Colab，請 Gemini 協助一起完成
Day7. 從零開始打造個人專屬 AI 營養顧問 Ep. 6：Google Colab 實作台灣夜市小吃的YOLO模型
直接改寫昨天的 app.py 檔案
Day9. Hugging Face Spaces 部署實作 Ep. 1：Gradio Chatbot
自己寫
Day34. Web3 環境建置與打卡專案初始化

(1) 串接 Hugging Face 預訓練模型 API

這段程式碼的目的是透過 Python 來呼叫 Hugging Face Inference API，可以使用 Hugging Face 上託管的模型來進行推理（Inference）：

# 匯入 requests 模組，用於發送 HTTP 請求（例如 POST、GET 等）
import requests 

# 定義 HTTP 請求的 headers（標頭）。
# 請將 (hf_api) 換成自己的 Hugging Face API Token。
headers = {"Authorization": f"Bearer {hf_api}"}

# 使用 requests.post() 方法向 Hugging Face Inference API 發送 POST 請求
response = requests.post(

    # API 的端點 URL，請將 {your-model-id} 替換為自己的模型 ID
    "https://api-inference.huggingface.co/models/{your-model-id}",
    
    # 傳遞之前定義的 headers（包含 API Token）
    headers=headers,
    
    # 傳遞 JSON 格式的資料作為請求的內容（payload）
    # "inputs" 欄位是要傳送給模型處理的文字（例如問題）
    json={"inputs": "請問珍奶熱量多少？"}
)

# 將 API 回傳的 JSON 格式響應內容解析並印出來
# response.json() 會將 JSON 字串轉換為 Python 字典/列表
print(response.json())

此時的模型檔 (.pt) 或推論結果 (CSV/JSON) 能直接下載備份，無需開放給外部用戶

# 模型安全保存
model.save("./my_nutrition_model.pt") 

# 結果保存本地
pred.to_csv("./result.csv")

2. 也可將檔案下載，再上傳到 Hugging Face Spaces

(1) 可以用最傻瓜的方式，從「file」上傳

step 1. 選擇「Contribute」清單中的「Upload files」

step 2. 上傳 app.py & requirements.txt 檔案，記得按下「Commit changes to main」

檔案上傳後，就會看到上方有個「Building」，就是 Hugging Face Space 在自動部署

(2) 或是使用 Git 上傳檔案

請參閱：
Day30. 練習用 Git 將專案上傳到 GitHub吧～

二、安全保存 API Key，避免寫在程式碼裡面

1. 在 Google Colab 的開發階段時：

使用 .env 文件或是 Colab 的環境變數隱藏敏感資訊（例如 Hugging Face Token）

import os

# 讀取 .env 檔案，不用寫死於程式
from dotenv import load_dotenv

# env檔存於Google Drive個人空間
load_dotenv('your_env.env')  

hf_api = os.environ.get("HF_API_KEY")