20、Gradio模块

目录

安装 Gradio

创建一个简单的 Gradio 界面

支持的输入和输出类型

自定义界面选项

高级功能

---

        Gradio 是一个用于快速创建机器学习模型可视化界面的 Python 库。它允许开发者轻松地为他们的模型创建一个简单的 web 界面，并且不需要任何前端开发的经验。Gradio 非常适合共享和演示模型的能力，尤其是在研究、教学或展示项目时。

安装 Gradio

        要使用 Gradio，你首先需要安装它。可以使用 pip 来安装：

pip install gradio

创建一个简单的 Gradio 界面

        创建一个 Gradio 界面主要涉及到定义一个或多个输入和输出，以及一个用于处理输入并返回输出的函数。下面基本示例：

import gradio as gr

# 定义一个处理输入的函数
def greet(name):
    return "Hello " + name + "!"

# 创建界面
iface = gr.Interface(fn=greet, inputs="text", outputs="text")

# 启动界面，会开启一个本地服务器，并在默认浏览器中打开该页面
iface.launch()

        在这个例子中，我们定义了一个简单的 greet 函数，它接受一个名字作为输入，返回一个问候语作为输出。然后，我们创建了一个 Interface 对象，指定了函数 fn 以及输入和输出的类型，最后通过调用 launch() 方法启动了界面。

支持的输入和输出类型

        Gradio 支持多种类型的输入和输出，包括文本（text）、数字（number）、图像（image）、音频（audio）、视频（video）、数据帧（dataframe）等。例如，如果你的模型是一个图像分类器，你可能希望使用图像输入和文本输出：

import gradio as gr
from PIL import Image
import torchvision.transforms as transforms
import torch

# 假设有一个预训练的模型
model = ...  # 某个预训练的 PyTorch 模型

# 预处理函数
def preprocess_img(img):
    img = Image.fromarray(img.astype('uint8'), 'RGB')
    img = transforms.Compose([
        transforms.Resize((224, 224)),
        transforms.ToTensor(),
        transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
    ])(img).unsqueeze(0)
    return img

# 预测函数
def classify_image(img):
    img = preprocess_img(img)
    with torch.no_grad():
        prediction = model(img)
    return {str(i): float(prediction[0][i]) for i in range(1000)}  # 假设有1000个类

# 创建界面
iface = gr.Interface(fn=classify_image, inputs="image", outputs="label")

# 启动界面
iface.launch()

        以上，定义了一个 classify_image 函数，它接受一个图像作为输入，经过预处理后传递给模型进行预测，并返回预测的类别标签。

自定义界面选项

        可以对界面进行自定义，例如设置标题、描述、输入输出的标签等。这些额外的参数可以在创建 Interface 时传递：

iface = gr.Interface(
    fn=greet,
    inputs=gr.inputs.Textbox(lines=2, placeholder="Name Here..."),
    outputs="text",
    title="Greeting App",
    description="Enter your name to get a greeting."
)

高级功能

Gradio 也支持一些高级功能，如生成分享链接、保存界面为网页、并行处理多个请求等。

• 生成分享链接：

  iface.launch(share=True) # 这将生成一个可以分享给他人的链接

• 保存界面为网页：

  iface.launch(inline=False) # 这将在本地打开界面，并提供选项以保存为网页

• 并行处理请求：

  iface.launch(enable_queue=True) # 这将允许界面并行处理多个请求