# 章末測驗

讓我們測試一下您在本章中學到了什麼！

### 1.你能利用Grado做什麼？
 share = True  參數，可以生成一個共享鏈接發送給任何人。",
            correct: true
		},
		{
			text: "調試模型",
			explain: "Grado演示的一個優點是能夠用真實數據測試模型，您可以實時更改並觀察模型的預測變化，從而幫助您調試模型。",
			correct: true
		},
		{
			text: "訓練你的模型",
			explain: "在你的模型被訓練之後，Grado 被設計用來進行模型推理。",
		}
	]}
/>

### 2.Grado只在 PyTorch 模型上工作

### 3.你可以在哪裡發佈一個 GRadio 演示？

### 4.Gdio 主要是為 NLP 模型設計的

### 5.下列哪些特性是由 Grado 支持的？
 gr. Interface.load ()  方法加載任何 Hugging Face 模型",
			correct: true
        }
	]}
/>

### 6.下列哪一種是從 Hub 或 Spaces 加載 Huggging Face 模型的有效方法？

### 7.創建您的 Gradio 接口時，您必須添加以下步驟：

### 8.Gradio 庫包括以下哪些組件？

### 9.Gradio允許你做什麼？

### 10.你可以共享一個`Blocks`演示的公共鏈接，並創建一個`Blocks`的演示在HuggingFace空間。