基于python的大模型可视化开发

        接触到大模型后，会发现很多为了简化可视化，不需要像flask那般，直接借助python完成web界面的可视化，下面介绍几种库：

	gradio	streamit	dash
主要使用场景	可交互小 Demo	工作流、DashBoard	DashBoard、生产环境的复杂演示应用
上手难度	简单	简单	中等
组件丰富度	低	高	高
综合扩展性	低	中	高
Jupyter Notebook 内支持	是	否	是
是否完全开源	是	是	部分企业级功能未开源
github stars	13.4k	23.1k	18.2k
案例列表	https://github.com/gradio-app/awesome-demos	https://streamlit.io/gallery	https://dash.gallery/Portal/

（1）gradio

安装： pip install gradio -i https://pypi.tuna.tsinghua.edu.cn/simple

使用：

Gradio 基于 svelte，官方文档Gradio, 提供两个类来构建应用程序UI：

1. gr.Interface：gr.Interface模块用于创建简易场景下的应用界面。它是使用Gradio构建交互式应用程序的核心模块之一。通过gr.Interface，您可以快速定义输入和输出函数，并将它们与界面组件进行关联，以创建一个具有交互性的应用程序。这个模块提供了简洁的API和直观的界面，使得构建应用程序变得简单易懂。
2. gr.Blocks：gr.Blocks模块用于定制化场景下的应用界面。它提供了更高级的界面定制和扩展功能，适用于需要更精细控制界面布局和组件交互的情况。通过gr.Blocks，您可以使用不同的布局块（Blocks）来组织界面组件，以实现更灵活、复杂的界面设计。这个模块适用于那些需要对界面进行高度定制的开发者，可以根据具体需求构建独特的应用界面。

Gradio的应用界面模块提供了不同的选择，根据开发者的需求和技术水平，可以选择使用gr.Interface进行简易场景的应用界面开发，或使用gr.Blocks进行更定制化的界面设计。其常见组件如下：

输入输出组件：

• • gr.Image（图像）：用于处理图像输入和输出。
  • gr.Textbox（文本框）：用于接收和显示文本输入和输出。
  • gr.DataFrame（数据框）：用于处理表格数据的输入和输出。
  • gr.Dropdown（下拉选项）：用于创建下拉选项菜单，方便用户进行选择。
  • gr.Number（数字）：用于处理数值输入和输出。
  • gr.Markdown：用于渲染和显示Markdown格式的文本。
  • gr.Files：用于处理文件的输入和输出。

控制组件：

• • gr.Button（按钮）：用于创建按钮，用户可以点击按钮执行特定的操作。
  • gr.Slider（滑块）：用于创建可拖动的滑块，用于选择范围内的数值。
  • gr.Checkbox（复选框）：用于创建复选框，用户可以选择或取消选择。
  • gr.Radio（单选框）：用于创建单选框，用户可以从多个选项中选择一个。
  • gr.Switch（开关）：用于创建开关按钮，用户可以切换开关的状态。
  • gr.ColorPicker（颜色选择器）：用于选择颜色的输入和输出。
  • 等等

布局组件：

• • gr.Tab（标签页）：用于创建多个标签页，使界面更加有组织和易于导航。
  • gr.Row（行布局）：用于将组件水平排列在一行中。
  • gr.Column（列布局）：用于将组件垂直排列在一列中。

简单使用案例：

###基于gr.Interface
import gradio as gr
 
def greet(name):
    return "Hello " + name + "!"
 
demo = gr.Interface(
    fn=greet,
    inputs=gr.Textbox(lines=2, placeholder="Name Here..."),
    outputs="text",
)
demo.launch()

###基于gr.Blocks
####with gr.Tab分页， with gr.Accordion可折叠框，with gr.Row()行内显示
import numpy as np
import gradio as gr
 
 
def flip_text(x):
    return x[::-1]
 
 
def flip_image(x):
    return np.fliplr(x)
 
 
with gr.Blocks() as demo:
    gr.Markdown("Flip text or image files using this demo.")
    with gr.Tab("Flip Text"):
        text_input = gr.Textbox()
        text_output = gr.Textbox()
        text_button = gr.Button("Flip")
    with gr.Tab("Flip Image"):
        with gr.Row():
            image_input = gr.Image()
            image_output = gr.Image()
        image_button = gr.Button("Flip")
 
    with gr.Accordion("Open for More!"):
        gr.Markdown("Look at me...")
 
    text_button.click(flip_text, inputs=text_input, outputs=text_output)
    image_button.click(flip_image, inputs=image_input, outputs=image_output)
 
demo.launch()

具体使用可以参考:Gradio入门到进阶全网最详细教程[一]：快速搭建AI算法可视化部署演示(侧重项目搭建和案例分享) - 知乎

 (2) streamit

安装方式：pip install streamit

基本使用：

streamit基于 React ，它的上手使用也非常之简单，下面是一个简单示例

import streamlit as st
import numpy as np
import pandas as pd
st.title("This is my first app")
# 有很多方式展示数据 (表格、数组、pandas的表格数据结构），magic方法、st.write()方法

# magic方法
st.write("magic方法使用")
df = pd.DataFrame({
    'first column': [1, 2, 3, 4],
    'second column': [10, 20, 30, 40]
})
# pd.DataFrame( data, index, columns, dtype, copy)
# data数据,index 行标签，columns列标签 默认为np.arange(n)，dtype 每一列数据类型,copy 能复制数据默认false

df  # 每当Streamlit在自己的行中看到变量或文字值时，它都会使用st.write（）自动将其写入您的应用程序。

# st.write()方法，可以自动渲染 文本、数据、Matplotlib图形、Altair图表等等。
st.write("write() 方法使用")
st.write(pd.DataFrame({
    'first column': [1, 2, 3, 4],
    'second column': [10, 20, 30, 40]
}))

运行Streamlit的另一种方法是将其作为Python模块运行。这在配置 PyCharm 等 IDE 以使用 Streamlit 时很有用：

# Running

python -m streamlit run your_script.py

# is equivalent to:

streamlit run your_script.py

对其基础使用可以参考streamlit 入门之基本概念 - 知乎