【AI相关】-Gradio和 Streamlit,怎么选， Streamlit 篇

而另外一个齐名的就是：Streamlit

📊 数据友好：原生支持 Pandas、Matplotlib 等数据可视化，适合需要展示模型中间结果（如损失曲线、混淆矩阵）的场景；

Streamlit是 Python 一个快速部署webUI的框架，无需掌握前端知识即可快速出应用

并且TMD，我写完这个文章才发现，是运行时调试的（因为是解释性语言）👍

不懂前端，但如需前置知识可能包括：

复制，粘贴

python安装，pip等，（直到现在我都不知道pip安装在c盘哪里的，而且每次换版本的都要安装一次，但不算太麻烦）

Json格式

MarkDown格式

代码基本结构：类，方法，参数，单个代码文件的流程结构，包体引入，代码文件之间的交互

一些基本的程序员概念，假如你真的不会

数据去重

代码迭代

黑盒测试，白盒测试

依赖倒转，前置后调

。。。。

。。。。。。。

。。。。。。。。。。。。

（需要的知识还很多，但可能真的不需要一点点前端知识，就能做这么一个。。。。。。WebUI 应用）

插播一段代码

我把这段"抄"出来用。。。。

（完美的代码，DeepSeek写的。。。。有人会说了"肯定某个牛人先写的，然后DeepSeek只不过是机器好，网络好，收集比较厉害，又或者DeepSeek只是简单的拿了OpenAI的数据用而已"）

真的只是采集厉害而已吗？

让AI写一段视频改大小功能

下面又"抄"一段ai写的代码

（我让AI去写，AI因为有自检的"意识"，这不比我让下属去写，靠谱得多得多？）

python 复制代码

from moviepy.editor import VideoFileClip

def crop_video_to_aspect(input_path, output_path, target_width, target_height):
    # 加载视频
    clip = VideoFileClip(input_path)
    w, h = clip.size
    
    # 计算目标宽高比
    target_ratio = target_width / target_height
    current_ratio = w / h
    
    # 根据比例裁剪
    if current_ratio > target_ratio:
        # 裁剪宽度（原视频过宽）
        new_width = h * target_ratio
        cropped_clip = clip.crop(width=new_width, height=h, x_center=w/2, y_center=h/2)
    else:
        # 裁剪高度（原视频过高）
        new_height = w / target_ratio
        cropped_clip = clip.crop(width=w, height=new_height, x_center=w/2, y_center=h/2)
    
    # 输出结果
    cropped_clip.write_videofile(output_path)
    clip.close()

# 示例：将视频裁剪为 16:9 比例
crop_video_to_aspect("input.mp4", "output_16x9.mp4", 16, 9)

# 示例：将视频裁剪为 4:3 比例
crop_video_to_aspect("input.mp4", "output_4x3.mp4", 4, 3)

///// 我提了另外一个要求，

st.Pages 实现分页后，第一页只能是Main（main.py)，暂时不知道怎么改名

如果要实现，下面加一个提示框

python 复制代码

#只要在 main.py写上。。。。
st.sidebar.success("MoneyPrinterTurbo v1.2.1")

Python Str object 的contains（)方法

python 复制代码

se the in operator:

if "blah" not in somestring: 
    continue
Note: This is case-sensitive.

os.Path - file full path问题

参考这个：https://stackoverflow.com/questions/16465399/need-the-path-for-particular-files-using-os-walk

#用os.walk可直接用root+，递归了不影响。。。。可直接用

python 复制代码

## 注意这是不包含 not，而不是包含-contain
    for root, dirs, files in os.walk(crawler_dir):
        for dir in dirs:
            print("walk folder:"+dir)
        for file in files:
            #if file.endswith(".ttf") or file.endswith(".ttc"):
            if "_comments_" not in file:
                file_path = os.path.join(root, file)
                fonts.append(read_json_file(file_path))
                break

st.columns 数据表

player_cols = st.columns(len(video_files) * 2 + 1)

for i, url in enumerate(video_files):

player_cols[i * 2 + 1].video(url)

st.json

python 复制代码

json_array = get_all_collects()
# # 遍历数组元素
# for index, item in enumerate(json_array, 1):
    
#     for k, row in enumerate(item):
#         player_cols = st.columns(len(video_files) * 2 + 1)
#         player_cols[k * 2 + 1].text(row)
#         print(row)
#         print(r"\n")
# 直接使用 .json 不用.table 了
st.json(json_array)

参考（Streamlit)

3W阅读量的文章

Streamlit 讲解专栏（三）：两种方案构建多页面_streamlit 多页面-CSDN博客

https://zhuanlan.zhihu.com/p/690640014

『玩转Streamlit』--图像与媒体组件 - wang_yb - 博客园

（七）解析Streamlit的数据元素：探索st.dataframe、st.data_editor、st.column_config、st.table、st.metric和st.json的神奇之处（上）-阿里云开发者社区

AI框架参考（非平台，非后台）

https://blog.csdn.net/SimSolve/article/details/152459476

参考--其他常用

pip install gradio transformers torch # 结合Transformers用更贴合AI场景

python 复制代码

import gradio as gr
from transformers import pipeline

# 加载AI模型（这里用开源中文生成模型）
generator = pipeline("text-generation", model="uer/gpt2-chinese-cluecorpussmall")

# 定义AI推理函数
def generate_text(input_text, max_length=50):
    # 调用模型生成文本
    result = generator(input_text, max_length=max_length, num_return_sequences=1)
    return result[0]["generated_text"]

# 搭建Web界面（一行代码搞定输入+输出+交互）
with gr.Blocks(title="AI文本生成工具") as demo:
    gr.Markdown("# AI 文本生成演示")  # 标题
    input_box = gr.Textbox(label="输入提示词", placeholder="请输入开头文字，比如：春天的公园")
    max_len_slider = gr.Slider(minimum=10, maximum=200, value=50, label="生成文本长度")
    output_box = gr.Textbox(label="生成结果")
    submit_btn = gr.Button("生成", variant="primary")
    
    # 绑定按钮点击事件
    submit_btn.click(fn=generate_text, inputs=[input_box, max_len_slider], outputs=output_box)

# 启动Web服务（本地访问 http://localhost:7860）
if __name__ == "__main__":
    demo.launch(
        server_name="0.0.0.0",  # 允许局域网访问
        server_port=7860,
        share=True  # 生成临时公网链接（方便分享调试）
    )

参考：

在技术语境下，Gradio 和 Streamlit 作为专属的开源项目名称，通常不做直译（行业惯例是直接使用英文原名）；如果需要在中文文档中标注释义 / 意译，核心是贴合它们的产品定位和功能特点，以下是最贴合且被国内开发者广泛认可的译法：

1. Gradio

核心译法（意译）：渐变式交互界面（或「梯度交互」）
通俗 / 场景化译法：AI 快速交互面板、即时可视化交互库
补充说明：Gradio 的命名源自「Gradient（梯度 / 渐变）」，核心是强调「低门槛、渐进式」搭建 AI 交互界面，国内开发者日常沟通中几乎都直接说「Gradio」，仅在文档注释 / 科普时会用「AI 快速交互库」这类描述性译法，无官方中文译名。

2. Streamlit

核心译法（意译）：流式应用框架（或「流格式界面」）
通俗 / 场景化译法：流式数据可视化工具、脚本式 Web 应用库
补充说明：Streamlit 由「Stream（流）+ lit（轻量化）」组合而来，核心是「流式执行脚本、轻量化生成 Web 界面」，同样无官方中文译名，国内技术社区普遍直接称「Streamlit」，释义时常用「流式 Web 应用框架」。