Gradio：AI 应用部署好搭档

机器学习和人工智能领域的发展日新月异，但如何快速将这些复杂模型和算法转化为可交互的演示，以供非专业人士体验，一直是一个挑战。Gradio 应运而生，它是一个简单而强大的Python库，可以让研究者和开发者快速创建与机器学习模型交互的界面。

Gradio 介绍

Gradio 是一个开源的 python 库，只需几行代码就能为机器学习模型、任何 API 或任何主观能力快速创建简单易用、可调整的 UI 部件。它能让你在网络浏览器中更轻松地玩转模型，只需拖拽图像、文本或自己的声音录音等，就能以交互方式看到实时输出。可以直接将图形用户界面集成到 Python 笔记本中，也可以与任何人共享链接。

Gradio 只需几行代码就能建立一个在线图形用户界面，方便展示模型。Gradio 可以快速、简单地设置、准备和使用，还可以作为公共连接进行共享，任何人都可以通过它在服务器上远程并行运行模型。Gradio 可以处理多种媒体------文本、图片、视频和声音。除了机器学习模型外，它还可以用作 python 代码嵌入，用于收集用户反馈、进行数据标注或模型评估。

核心功能

以下是 Gradio 的一些核心功能：

易于使用：无需前端开发知识，只需几行代码即可集成。
多种输入输出组件：支持各种数据类型，包括图像、视频、音频、文本、绘图等。
集成分享：一键部署到网页，可生成链接分享给他人。
可定制化：支持自定义样式和布局，以适应不同的模型和用例。
机器学习支持：可以与 TensorFlow 和 PyTorch 模型集成。

开始使用

安装

通过 pip 安装 Gradio：

pip install gradio

加载

导入程序库：

import gradio as gr

DEMO

为了快速了解该库的工作原理，可以通过 Python 脚本或 Jupyter Notebook（也可使用 Google colab）运行下面的代码：

python 复制代码

import gradio as gr

def start(name):
    return "Hello " + name + " ! "
face = gr.Interface(fn=start, inputs="text", outputs="text")

face.launch()

运行上述代码后，下面的界面会自动出现在 Jupyter Notebook 中，如果运行 python 脚本，则会在浏览器 https://localhost:7860 中弹出：

Gradio 也提供了一个可共享的公共链接，但该链接会在 75 小时内失效。

接口

Gradio 可以用一个简单易用的界面封装几乎所有 Python 工作。这种能力可以是直接的评估，也可以是将机器添加到预先训练好的模型中。接口类有三个参数。具体描述如下：

inputs：输入组件类型
outputs：输出组件类型
fn：要封装的函数

可定制组件

Gradio 支持根据需求创建自定义组件。例如，如果想看到大段文字和一些文字提示，那么可以在界面类的输入参数中传递不同的参数。Gradio 提供了大量的自定义功能。

Slider 滑动条：

在Gradio中，可以使用gr.inputs.Slider() 创建滑动条。以下是一些常用的参数：

minimum：滑动条的最小值（默认是0）。
maximum：滑动条的最大值（默认是100）。
step：滑动条的步长，决定了用户可以选择的数值的精细度（默认是1）。
default：滑动条的默认值，即初始设置的数值（默认是最小值）。
label：滑动条的标签，用于说明这个滑动条的用途。

Radio 单选框：

在 Gradio 中，可以使用 gr.inputs.Radio() 创建单选框，并传入一个选项列表。以下是一些常用的参数：

choices：一个字符串列表，包含所有的选项。
default：指定默认选中的选项，通过索引或直接用字符串指定。
label：单选框前显示的标签，用于说明该输入的目的。

CheckboxGroup 复选框

在Gradio中，可以使用gr.inputs.CheckboxGroup()创建复选框。以下是一些常用的参数：

choices：一个字符串列表，包含所有的选项。
default：指定默认选中的选项，可以是一个列表，其中包含默认选中项的索引或字符串。
label：复选框前显示的标签，用于说明该输入的用途。
inline：一个布尔值，用于指定选项是垂直排列还是水平排列。

图片加载

图像输入接口接收一个指定大小的 NumPy 数组，格式为(width, height, 3)，其中最后一维代表 RGB 值。它将以 NumPy 数组的形式返回图像。此外，输入界面上还有一个 EDIT（编辑）按钮，用于打开一个工具，对图像进行裁剪、旋转、翻转和应用滤镜。下图展示了该工具的工作原理：

Hugging Face 联动

Hugging Face Spaces 是一个免费使用的平台，用于托管机器学习演示和应用程序。Spaces 提供免费的 16 GB 内存和 2 个内核的 CPU 环境（付费可以升级）。它目前支持 Gradio 和 Streamlit 平台。

要创建 Hugging Face Spaces，需要注册拥有一个 HuggingFace 账户。登录后，可以点击导航菜单上的 "New Space"（点击个人资料图像）来创建 Spaces。

之后看到如何通过命令行将代码添加到该 Spaces 以准备演示的说明。Spaces 本质上是带有 app.py 文件的 git 仓库（类似于 GitHub）。

克隆仓库到本地后，提交项目文件，方法和使用 Git 相同：

perl 复制代码

git add .
$git commit -m "Add application file"
$git push

此外，版本库根目录下添加 requirements.txt 文件，指定 Python 的依赖项。gradio 软件包已预装，其版本已在 README.md 文件的 sdk_version 字段中设置。

结语

Gradio 不仅仅是为了展示模型，更是为了建立一个桥梁，让非技术用户能够以直观的方式体验和理解复杂的算法。我们期待看到 Gradio 在未来的发展，以及它如何继续推动机器学习领域的创新和普及。让我们一起探索AI的无限可能，并将这些技术带入日常生活，为社会带来积极的影响。