Create new file

app.py

@@ -0,0 +1,29 @@
+import gradio as gr
+from transformers import pipeline
+
+pp_en = pipeline("question-answering",model="deepset/roberta-base-squad2")
+pp_ch = pipeline("question-answering",model="luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")
+
+def qa_fn(ask,ctxt,model):
+  pp = (pp_en if model=="deepset" else pp_ch);
+  ret = pp(context=ctxt, question=ask);
+  ret['entity']='Answer';
+  return {"text":ctxt,"entities":[ret]}, ret['answer'], ret['score']     
+  #注意HighlightedText的用法。有两种不同用法：https://gradio.app/named_entity_recognition/
+  # 一种是list of dict ，一种是list of tuple. 详细用法参考https://gradio.app/named_entity_recognition/吧
+
+samples= [["乔治的哥哥叫什么名字？","我是小猪佩奇，我是乔治的哥哥，我家住在北京"],["乔治住在哪里呀？","我是小猪佩奇，我是乔治的哥哥，我的家在北京颐和园"]];
+introStr = "用于演示使用人工智能自动寻找问题答案，这将是一种更加高效便捷的新型信息检索方式。";
+titleStr ="智能问答演示程序";
+
+demo = gr.Interface(qa_fn, 
+       inputs=[gr.Textbox(label="Question",placeholder='请输入问题'), 
+               gr.Textbox(label="Context",lines=10,placeholder="请输入一段文本"),
+               gr.Radio(["deepset","chinese"],label="Select Model", value="deepset"),
+               ],
+       outputs=[gr.HighlightedText(label='答案位置'),gr.Textbox(label="答案"),gr.Number(label="Score")],
+       examples=samples,
+       description=introStr,
+       title=titleStr);
+
+demo.launch()