Gradio快速入门

Gradio 是一个开源 Python 包，可用于为机器学习模型、API 或任何任意 Python 函数快速构建演示或 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共享指向演示或 Web 应用程序的链接。无需 JavaScript、CSS 或虚拟主机经验！

Gradio的安装

先决条件：Gradio 需要 Python 3.8 或更高版本
我们建议使用 安装 Gradio，它默认包含在 Python 中。在终端或命令提示符下运行此命令：pip

pip install gradio

构建第一个演示

您可以在您喜欢的代码编辑器、Jupyter 笔记本、Google Colab 或其他任何您编写 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()

现在，运行代码。例如，如果您在名为 的文件中编写了 Python 代码，则可以从终端运行。app.py
如果从文件运行，下面的演示将在 http://localhost:7860 的浏览器中打开。如果您在笔记本中运行，则演示将嵌入在笔记本中。

在左侧的文本框中键入您的姓名，拖动滑块，然后按“提交”按钮。您应该在右侧看到一个友好的问候语。

了解接口类

为了进行第一个演示，您创建了该类的实例。该类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。gr.InterfaceInterface

该类有三个核心参数：Interface

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

这个参数非常灵活——你可以传递任何你想用 UI 包装的 Python 函数。在上面的例子中，我们看到了一个相对简单的函数，但这个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。

分享演示系统

如果你不能分享一个漂亮的演示，它有什么用？Gradio可让您轻松共享机器学习演示，而不必担心在Web服务器上托管的麻烦。只需在 中设置，即可为您的演示创建一个可公开访问的 URL。让我们重温一下我们的示例演示，但将最后一行更改如下：share=Truelaunch()

import gradio as gr

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

demo = gr.Interface(fn=greet, inputs="textbox", outputs="textbox")
    
demo.launch(share=True)  # Share your demo with just 1 extra parameter 🚀

当您运行此代码时，将在几秒钟内为您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他们的浏览器试用您的 Gradio 演示，而机器学习模型和所有计算继续在您的计算机上本地运行。