Gradio入门—快速开始

Gradio 是一个开源 Python 软件包，可让您快速为机器学习模型、API 或任何任意 Python 函数构建演示或 Web 应用程序。然后，您可以使用 Gradio 的内置共享功能在几秒钟内分享您的演示或 Web 应用程序的链接。无需 JavaScript、CSS 或 Web 托管经验！

只需几行 Python 代码即可创建类似上述示例的演示，让我们开始吧 💫

安装

先决条件：Gradio 需要Python 3.8 或更高版本

我们建议使用 安装 Gradio pip，它默认包含在 Python 中。在终端或命令提示符中运行此命令：

pip install gradio

✍️提示： 最好在虚拟环境中安装 Gradio。

构建您的第一个演示

您可以在自己喜欢的代码编辑器、Jupyter 笔记本、Google Colab 或任何编写 Python 的地方运行 Gradio。让我们编写您的第一个 Gradio 应用程序：

import gradio as gr

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

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

demo.launch()

✍️ 提示： 我们将导入的名称从 缩短gradio为gr以提高代码的可读性。这是一个广泛采用的惯例，您应该遵循它，以便任何使用您的代码的人都可以轻松理解它。

现在，运行您的代码。如果您已将 Python 代码写入名为的文件中，app.py那么您将从python app.py终端运行。

如果从文件运行，下面的演示将在浏览器中打开http://localhost:7860。如果您在笔记本中运行，则演示将嵌入在笔记本中。

在左侧的文本框中输入您的姓名，拖动滑块，然后按“提交”按钮。您应该会在右侧看到友好的问候。

✍️ 提示：在本地开发时，您可以在热重载模式下运行 Gradio 应用，该模式会在您对文件进行更改时自动重新加载 Gradio 应用。为此，只需在gradio文件名前输入 而不是python。在上面的示例中，您将gradio app.py在终端中输入：。在热重载指南中了解有关热重载的更多信息。

理解Interface

您会注意到，为了制作第一个演示，您创建了该类的一个实例gr.Interface。该类Interface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。

该类Interface有三个核心参数：

• fn：包装用户界面 (UI) 的函数
• inputs：用于输入的 Gradio 组件。组件数量应与函数中的参数数量相匹配。
• outputs：用于输出的 Gradio 组件。组件数量应与函数的返回值数量相匹配。

该fn参数非常灵活 - 您可以传递任何想要用 UI 包装的 Python 函数。在上面的示例中，我们看到了一个相对简单的函数，但该函数可以是任何东西，从音乐生成器到税收计算器，再到预训练机器学习模型的预测函数。

inputs和参数outputs接受一个或多个 Gradio 组件。正如我们所见，Gradio 包含 30 多个专为机器学习应用设计的内置组件（例如gr.Textbox()、gr.Image()和组件）。`gr.HTML()

✍️提示： 对于inputs和outputs参数，你可以将这些组件的名称作为字符串（"textbox"）或类的实例（gr.Textbox()）传入。

如果您的函数接受多个参数（如上例所示），请将输入组件列表传递给inputs，每个输入组件按顺序对应函数的一个参数。如果您的函数返回多个值，则同样如此：只需将组件列表传递给outputs。这种灵活性使Interface该类成为创建演示的非常强大的方式。

我们将在有关构建接口的gr.Interface系列文章中深入探讨。

分享您的演示

如果不能分享，那么精美的演示有什么用呢？ Gradio 可让您轻松分享机器学习演示，而无需担心在 Web 服务器上托管的麻烦。 只需设置share=True，launch()就会为您的演示创建一个可公开访问的 URL。 让我们重新查看示例演示，但将最后一行更改为如下：

import gradio as gr

def greet(name):
    return "Hello " + name + "!"

demo = gr.Interface(fn=greet, inputs="textbox", outputs="textbox")
    
demo.launch(share=True)  # 只需增加一个参数即可分享您的演示 🚀

当你运行此代码时，几秒钟内就会为你的演示生成一个公共 URL，如下所示：

👉 https://a23dsf231adb.gradio.live

现在，世界各地的任何人都可以通过浏览器试用您的 Gradio 演示，而机器学习模型和所有计算将继续在您的计算机上本地运行。

要了解有关分享您的演示的更多信息，请阅读我们关于分享您的 Gradio 应用程序的专门指南。

核心 Gradio 课程

到目前为止，我们一直在讨论Interface类，这是一个高级类，允许使用 Gradio 快速构建演示。但是 Gradio 还包括什么？

聊天机器人gr.ChatInterface

Gradio 包含另一个高级类，gr.ChatInterface专门用于创建聊天机器人 UI。与类似Interface，您提供一个函数，Gradio 会创建一个功能齐全的聊天机器人 UI。如果您有兴趣创建聊天机器人，可以直接跳转到我们关于的专用指南gr.ChatInterface。

自定义演示gr.Blocks

Gradio 还提供了一种基础方法来设计具有更灵活布局和数据流的 Web 应用程序gr.Blocks。Blocks 允许您执行诸如控制组件在页面上出现的位置、处理复杂的数据流（例如，输出可以作为其他函数的输入）以及根据用户交互更新组件的属性/可见性等操作 - 所有这些都仍然使用 Python。

您可以使用gr.Blocks()构建非常自定义和复杂的应用程序。例如，流行的图像生成Automatic1111 Web UI是使用 Gradio Blocks 构建的。我们将在有关使用 Blocks 构建的gr.Blocks系列文章中深入探讨。

Gradio Python 和 JavaScript 生态系统

这就是核心 Python 库的要点gradio，但 Gradio 实际上远不止于此！它是一个完整的 Python 和 JavaScript 库生态系统，可让您使用 Python 或 JavaScript 构建机器学习应用程序或以编程方式查询它们。以下是 Gradio 生态系统的其他相关部分：

• Gradio Python 客户端（gradio_client）：使用 Python 编程查询任何 Gradio 应用程序。
• Gradio JavaScript 客户端（@gradio/client）：使用 JavaScript 以编程方式查询任何 Gradio 应用程序。
• Gradio-Lite（@gradio/lite）：用 Python 编写 Gradio 应用程序，完全在浏览器中运行（无需服务器！），感谢 Pyodide。
• Hugging Face Spaces：最受欢迎的 Gradio 应用程序托管场所——免费！