為了快速且免費地將我們的深度學習模型上線，我選擇了 Hugging Face Spaces。
平台優勢與工具選擇
平台特性： Spaces 是一個專門為機器學習模型展示而設計的雲端託管服務。它允許用戶上傳程式碼和模型權重，並自動運行 Web 應用。
部署核心要素：三個檔案
要成功部署應用，我們需要準備三個核心檔案，並將它們上傳到 Hugging Face 的 Git 儲存庫中：
| 檔案名稱 | 內容 | 目的 |
|---|---|---|
| resnet34_stage-2.pkl | 冠軍模型的權重 | 模型核心資產；以 fastai 的 learn.export() 導出，包含模型結構與訓練權重，供推論載入使用。 |
| requirements.txt | 專案所需的 Python 依賴 | 定義環境需求（如 fastai、torch、gradio 等）；在部署（如 Hugging Face Spaces）時自動安裝依賴。 |
| app.py | 應用程式的入口邏輯 | 定義模型載入、預測函數與 Gradio 介面配置，作為服務啟動與互動入口。 |
iThome鐵人賽
看影片追技術