Gradio Interface构建Huggingface的交互式平台

一.Gradio的简单介绍

1.Gradio是一个Python的第三方库，是一个交互式平台，一个基于Web的图形用户界面，用来作为可视化演示，为机器学习模型和深度学习模型等提供了强大的解决方案。

2.Gradio的核心是“Interface”模块，该模块简单上手，容易操作，非常简单的实现可视化，还可以实现与用户共享的功能。Gradio通过封装关键功能，简化了构建交互式演示的过程。如何实现创建引人注目且用户友好的机器学习界面化，是每一个计算机学习者渴望实现的事。

3.Gradio.Interface是Gradio提供的主要类，仅仅只需几行代码，研究算法的人员就可以创建一个界面，允许用户与底层模型进行交互并观察实时输出，给算法工程师带来了福音。

4.Interface类需要三个关键参数：封装的函数、所需的输入组件和所需的输出组件。此外，可以使用各种可选参数来自定义演示的外观和行为。

二.Gradio的基础使用

这里使用huggingface中的预训练模型完成gradio的基础demo，官网也实现了相关案例的研究和demo的开发，有兴趣的可以参考下方的链接。

# 导入gradio
import gradio as gr
# 导入Transformers相关包
from transformers import pipeline
# 使用Gradio展示文本分类
# share参数可以
gr.Interface.from_pipeline(pipeline("text-classification",model="uer/roberta-base-finetuned-dianping-chinese")).launch(share=True)

运行后的图形界面

三.Gradio中Interface的主要参数详解

Gradio Interface参数表格，包括每个参数的数据类型和默认值
Interface类通过以下三个参数进行初始化：

fn：包装的函数
inputs：输入组件类型，（例如：“text”、"image）
ouputs：输出组件类型，（例如：“text”、"image）

参数名	数据类型	描述
fn	Callable | None 该参数是必须的	用于包装接口的函数。通常是机器学习模型的预测函数。函数的每个参数对应于一个输入组件，函数应返回单个值或值元组，元组中的每个元素对应于一个输出组件。
inputs	Component | list[Component] | None	要用作输入的 gradio.components 列表。如果函数不接受任何输入，则这应该是一个空列表。
ouputs	Component | list[Component] | None	用作输出的 gradio.components 列表。如果函数未返回任何输出，则这应该是一个空列表。
api_name	str | None | Literal[False]	定义终结点在 API 文档中的显示方式。可以是字符串、无或假。如果为 False，则不会在 api 文档中公开终结点。如果设置为“无”，则端点将在 api 文档中作为未命名端点公开，尽管此行为将在 Gradio 4.0 中更改。如果设置为字符串，则终结点将以给定名称在 api 文档中公开。
show_progress	Literal[‘full’, ‘minimal’, ‘hidden’]	如果为 True，则在挂起时显示进度动画
queue	bool	如果为 True，则将请求放在队列上（如果队列已启用）。如果为 False，则不会将此事件放在队列中，即使队列已启用也是如此。如果为 None，将使用 gradio 应用程序的队列设置。
batch	bool	如果为 True，则函数应处理一批输入，这意味着它应接受每个参数的输入值列表。列表的长度应相等（长度应为“max_batch_size”）。然后需要该函数返回列表元组（即使只有 1 个输出组件），元组中的每个列表对应于一个输出组件。
max_batch_size	int	如果从队列中调用，则要批处理在一起的最大输入数（仅当 batch=True 时才相关）
preprocess	bool	如果为 False，则在运行“fn”之前不会运行组件数据的预处理
postprocess	bool	如果为 False，则在将“fn”输出返回到浏览器之前不会运行组件数据的后处理。
cancels	dict[str, Any] | list[dict[str, Any]]	None
every	float	在客户端连接打开的情况下，每隔’秒运行一次此事件。以秒为单位进行解释。必须启用队列。

最常用的基础模块构成。

1.常常使用的应用界面：gr.Interface(简易场景), gr.Blocks(定制化场景)
2.布局组件：gr.Tab(标签页), gr.Row(行布局), gr.Column(列布局)
3.比较常用于人工智能的输入输出操作：gr.Image(图像), gr.Textbox(文本框), gr.DataFrame(数据框), gr.Dropdown(下拉选项), gr.Number(数字), gr.Markdown, gr.Files
4.相关图形交互页面的控制组件：gr.Button(按钮)

四.总结

Gradio Interface提供了多个参数，允许开发人员根据特定需求自定义自己的需求。开发人员可以为函数提供示例输入，这些输入将显示在UI组件下方，并可点击以填充界面。这个功能有助于用户理解预期的输入格式，并提供了一种方便的方式来探索模型的行为。Interface支持不同的解释方法来解释预测输出。同时，Gradio允许开发人员应用自定义主题和CSS样式到界面，使其与应用的品牌或设计指南相匹配，提供了启用用户标记输入和输出的选项。

在需要同时处理多个输入的情况下，Gradio Interface提供了批处理支持。通过将batch参数设置为True，函数可以接受每个参数的输入值列表。界面将自动对输入进行批处理，并显示相应的输出。开发人员可以使用max_batch_size参数指定最大批处理大小。

今天在学习huggingface的时候，本来要使用streamlit构建交互式平台，看到网上有人使用一种新的交互式平台Gradio，因此在网上查了一些资料进行学习，相关的参考资料如下。后续学习到新的知识会进行更新。
1.官网API参考手册
2.Gradio快速入手
3.官网给出的Demo
4Gradio从入门到进阶