【Gradio系列】快速入门

快速入门

Gradio 是一个开源 Python 包,可让您快速构建 机器学习模型、API 或任何任意 Python 函数的演示或 Web 应用程序。然后,您可以使用 Gradio 内置的共享功能,在几秒钟内共享演示或 Web 应用程序的链接。

先决条件:Gradio 需要 Python 3.10 或更高版本。

复制代码
pip install --upgrade gradio

Interface 类

Interface 类旨在为接受一个或多个输入并返回一个或多个输出的机器学习模型创建演示。

Interface 类有三个核心参数

  • fn:围绕其包装用户界面 (UI) 的函数
  • inputs:用于输入的 Gradio 组件。组件的数量应与函数中的入参数数量匹配。
  • outputs:用于输出的 Gradio 组件。组件的数量应与函数的返回值数量匹配。

fn 参数非常灵活------可以传递任何您想用 UI 包装的 Python 函数。

inputs 和 outputs 参数接受一个或多个 Gradio 组件。Gradio 包含超过 30 个内置组件(例如 gr.Textbox()、gr.Image() 和 gr.HTML() 组件),这些组件专为机器学习应用程序设计。

对于 inputs 和 outputs 参数,可以传递这些组件的名称作为字符串("textbox")或类的实例(gr.Textbox())。

复制代码
import gradio as gr

def greet(name, intensity):
    return "Hello, " + name + "!" * int(intensity)

demo = gr.Interface(
    fn=greet,
    inputs=["text", "slider"],
    outputs=["text"],
    api_name="predict"
)

demo.launch()
  • inputs="text", "slider" 对应的就是左边的文本输入框和滑块

  • outputs="text" 对应的是右边的文本输入框

  • Clear和submit按钮是Interface默认的属性.

    submit_btn: str | Button = "Submit"
    clear_btn: str | Button | None = "Clear"
    stop_btn: str | Button = "Stop"

完整Gradio Interface示例

在这个示例中,我们展示了如何用 一个 gr.Interface 同时处理多种输入输出类型,从而快速构建一个功能丰富的交互式演示界面。通过这个界面,可以通过 Gradio 支持的常见输入输出控件快速生成表单组件,包括:文本(Textbox)数字(Number)滑块(Slider) :滑动滑块选择数值,函数返回数值平方作为演示。复选框(Checkbox)下拉菜单(Dropdown) :选择单个选项,函数返回选中的值。图片(Image)音频(Audio)视频(Video)

复制代码
"""
  完整Gradio Interface
  展示多种输入输出类型
"""

import gradio as gr
import numpy as np
from PIL import Image


def demo_fn(text, num, slider_val, check1, check2, dropdown_choice, image, audio, video):
    # 文本输出
    text_out = f"文本输入: {text}"

    # 数字输出
    number_out = f"数字输入: {num}, 加10 = {num + 10}"

    # 滑块输出
    slider_out = f"滑块值: {slider_val}, 平方 = {slider_val**2}"

    # 复选框输出
    checks = []
    if check1: checks.append("Option 1")
    if check2: checks.append("Option 2")
    checkbox_out = "选择了: " + (", ".join(checks) if checks else "无")

    # 下拉输出
    dropdown_out = f"下拉选择: {dropdown_choice}"

    # 图片输出: 原图 + 反色图
    if image is not None:
        inverted_image = Image.fromarray(255 - np.array(image))
    else:
        inverted_image = None

    # 音频输出: 原样返回
    audio_out = audio

    # 视频输出: 原样返回
    video_out = video

    # 返回多个输出
    return text_out, number_out, slider_out, checkbox_out, dropdown_out, image, inverted_image, audio_out, video_out

iface = gr.Interface(
    fn=demo_fn,
    inputs=[
        gr.Textbox(label="文本输入"),
        gr.Number(label="数字输入"),
        gr.Slider(0, 100, label="滑块"),
        gr.Checkbox(label="Option 1"),
        gr.Checkbox(label="Option 2"),
        gr.Dropdown(choices=["A", "B", "C"], label="下拉菜单"),
        gr.Image(label="上传图片"),
        gr.Audio(sources=["upload"], type="numpy", label="上传音频"),
        gr.Video(label="上传视频")
    ],
    outputs=[
        gr.Textbox(label="文本输出"),
        gr.Textbox(label="数字输出"),
        gr.Textbox(label="滑块输出"),
        gr.Textbox(label="复选框输出"),
        gr.Textbox(label="下拉输出"),
        gr.Image(label="原图"),
        gr.Image(label="反色图"),
        gr.Audio(label="音频输出"),
        gr.Video(label="视频输出")
    ],
    title="Interface 示例",
    description="Gradio输入输出示例"
)

if __name__ == "__main__":
    iface.launch()
相关推荐
newbe3652414 分钟前
我们如何使用 impeccable 优化前端界面设计与实现稳定性
前端·人工智能·分布式·github·aigc·wpf
katttt_1 小时前
卡特加特的玄武大模型和其他模型的差异化在哪里?
人工智能·私有化部署·智能体平台·玄武大模型
一次旅行6 小时前
AI 前沿日报 | 2026年7月3日 星期五
人工智能·github·ai编程
A15362557 小时前
装配具身机器人品牌推荐 工业装配场景选型指南与艾利特方案
大数据·人工智能·机器人
LLWZAI7 小时前
想要稳定变现,先跨过朱雀 AI 这道门槛
大数据·人工智能
安吉升科技7 小时前
商业场景智能客流统计摄像系统的关键技术机理解析
人工智能
古城小栈7 小时前
为啥说:训练用BF16,推理用FP16
人工智能·算法·机器学习
KaMeidebaby7 小时前
卡梅德生物技术快报|蛋白 N 端测序在重组贻贝融合蛋白表征中的应用,解决原核表达序列偏移工艺难题
前端·人工智能·物联网·算法·百度
TMT星球7 小时前
从像素复刻到行动控制:具身世界模型的底层逻辑探索
人工智能·深度学习·机器学习
ccimao63167 小时前
散户做财报整理、研报阅读、复盘记录,各类AI工具适配环节梳理
大数据·人工智能