快速上线你的机器学习应用

最新推荐文章于 2024-08-20 17:10:42 发布

可乐鸡翅-

最新推荐文章于 2024-08-20 17:10:42 发布

阅读量873

点赞数 20

分类专栏：每天3分钟，打破开源信息差文章标签：机器学习人工智能 github 前端 javascript

本文链接：https://blog.csdn.net/weixin_42684490/article/details/136771897

版权

每天3分钟，打破开源信息差专栏收录该内容

39 篇文章 8 订阅

订阅专栏

公众号：【可乐前端】，每天3分钟学习一个优秀的开源项目，分享web面试与实战知识，也有全栈交流学习摸鱼群，期待您的关注!

每天3分钟开源

hi，这里是每天3分钟开源，很高兴又跟大家见面了，今天介绍的开源项目简介如下：

仓库名：gradio-app/gradio

项目名：gradio

开源地址：https://github.com/gradio-app/gradio

主要语言： Python

stars数量：27354

forks数量：1997

开源协议：Apache License 2.0

一句话介绍

Gradio 是一个开源的 Python 库，让你可以快速地为你的机器学习模型、API 或任意 Python 函数构建 demo 或 Web 应用。

详细描述

在这里插入图片描述

Gradio 是一个开源的 Python 库，让你可以快速地为你的机器学习模型、API 或任意 Python 函数构建 demo 或 Web 应用。

你可以用 Gradio 内建的分享功能在几秒钟内分享你的 demo 或 web 应用的链接。使用它，你不需要有任何 JavaScript、CSS 或 web 托管的经验。

只需要几行 Python 代码，你就能创建出像上图这样美观的 demo，让我们开始吧💫

具体功能

创建 Demo: 你可以在你喜欢的代码编辑器中运行 Gradio，如 Jupyter notebook，Google Colab，或者你写 Python 的任何地方。让我们来编写你的第一个 Gradio 应用：

import gradio as gr
def greet(name, intensity):
    return "Hello " * intensity + name + "!"
demo = gr.Interface(fn=greet, inputs=["text", "slider"], outputs=["text"])
demo.launch()

理解 Interface 类: 你可能已经注意到，为了制作你的第一个 demo，你创建了一个 gr.Interface 类的实例。Interface 类被设计用来为接受一个或多个输入、返回一个或多个输出的机器学习模型创建 demo。
分享你的 Demo: 如果你有一个美丽的 demo 但不能分享出去，那是多么遗憾的一件事！Gradio 让你可以轻易地分享一个机器学习 demo，而不用担心在 web 服务器上托管的麻烦。只需在 launch() 中设置 share=True，就会为你的 demo 创建一个公开可访问的 URL。
```
import gradio as gr
def greet(name):
    return "Hello " + name + "!"
demo = gr.Interface(fn=greet, inputs="textbox", outputs="textbox")
demo.launch(share=True) # 仅需一个额外参数即可分享你的 demo 🚀
```
Chatbots with gr.ChatInterface: Gradio 还包含另一个高级类，gr.ChatInterface，它专门用于创建 Chatbot UI。类似于 Interface，你提供一个函数，Gradio 创建一个完全工作的 Chatbot UI。
自定义 Demos with gr.Blocks: Gradio 还提供了一个低级方法，用 gr.Blocks 类设计具有更灵活布局和数据流的 web 应用。 Blocks 允许你做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)、以及基于用户交互更新组件的属性/可见性等操作 —— 仍然全部在 Python 中。

如何使用

Gradio 的使用非常简单，首先你需要在 Python 3.8 或更高版本的环境中安装 Gradio，推荐使用 pip 进行安装。在你的终端或命令提示符中运行以下命令：

pip install gradio

安装 Gradio 后，你可以在你喜欢的代码编辑器中，如 Jupyter notebook、Google Colab 或任何可以编写 Python 代码的地方运行 Gradio。下面是一个 Gradio 的简单示例：

import gradio as gr
def greet(name, intensity):
    return "Hello " * intensity + name + "!"
demo = gr.Interface(fn=greet, inputs=["text", "slider"], outputs=["text"])
demo.launch()

在这个示例中，我们首先通过 import gradio as gr 导入 Gradio 库，然后定义一个函数 greet，这个函数接受两个参数：name 和 intensity，然后返回一个问候语。接下来，我们创建了一个 gr.Interface 的实例，它接受三个参数：fn 是我们要包装的函数，inputs 是输入的 Gradio 组件，outputs 是输出的 Gradio 组件。最后，我们通过调用 demo.launch() 来启动我们的 Gradio 应用。

如果你在本地开发，你可以在热重载模式下运行你的 Gradio 应用，这样当你对文件进行更改时，Gradio 应用会自动重新加载。要做到这一点，只需在文件名前输入 gradio 而不是 python。在上面的示例中，你可以在你的终端中输入：gradio app.py。你可以在热重载指南中了解更多关于热重载的信息。

使用 Gradio，你可以轻松地分享你的机器学习模型，而不需要任何 JavaScript、CSS 或 Web 托管的经验。只需在 launch() 中设置 share=True，公开可访问的 URL 就会被创建出来，用于你的 demo。如下所示：

import gradio as gr
def greet(name):
    return "Hello " + name + "!"
demo = gr.Interface(fn=greet, inputs="textbox", outputs="textbox")
demo.launch(share=True)