1、简介

Gradio的优势在于易用性，代码结构相比Streamlit简单，只需简单定义输入和输出接口即可快速构建简单的交互页面，更轻松部署模型。适合场景相对简单，想要快速部署应用的开发者。便于分享：gradio可以在启动应用时设置share=True参数创建外部分享链接，可以直接在微信中分享给用户使用。

2、代码测试

2.1 组件属性

假设您要自定义输入文本字段，例如，您希望它更大并具有文本占位符。

import gradio as gr

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

demo = gr.Interface(
    fn=greet,
    inputs=gr.Textbox(lines=2, placeholder="Name Here..."),
    outputs="text",
)
demo.launch()

在这里插入图片描述

2.2 多个输入和输出组件

假设您有一个更复杂的函数，具有多个输入和输出。在下面的示例中，我们定义了一个函数，该函数接受字符串、布尔值和数字，并返回字符串和数字。看看如何传递输入和输出组件列表。

import gradio as gr

def greet(name, is_morning, temperature):
    salutation = "Good morning" if is_morning else "Good evening"
    greeting = f"{salutation} {name}. It is {temperature} degrees today"
    celsius = (temperature - 32) * 5 / 9
    return greeting, round(celsius, 2)

demo = gr.Interface(
    fn=greet,
    inputs=["text", "checkbox", gr.Slider(0, 100)],
    outputs=["text", "number"],
)
demo.launch()

在这里插入图片描述

2.3 图像示例

Gradio 支持多种类型的组件，例如 、 、 或 。让我们尝试一个图像到图像功能来感受这些！

import numpy as np
import gradio as gr

def sepia(input_img):
    sepia_filter = np.array([
        [0.393, 0.769, 0.189], 
        [0.349, 0.686, 0.168], 
        [0.272, 0.534, 0.131]
    ])
    sepia_img = input_img.dot(sepia_filter.T)
    sepia_img /= sepia_img.max()
    return sepia_img

demo = gr.Interface(sepia, gr.Image(), "image")
demo.launch()

在这里插入图片描述

2.4 聊天机器人

Gradio 包含一个高级类，它类似于 ，但专为聊天机器人 UI 设计。该类还包装一个函数，但此函数必须具有特定的签名。该函数应该接受两个参数：然后（参数可以命名为任何名称，但必须按此顺序命名）.

gr.ChatInterfacegr.Interfacegr.ChatInterfacemessagehistory：

  • message：a 表示用户的输入str
  • history：a 表示在此之前的对话。每个内部列表由两个表示一对组成：。listliststr[user input, bot response]
import random
import gradio as gr

def random_response(message, history):
    return random.choice(["Yes", "No"])

demo = gr.ChatInterface(random_response)

demo.launch()

在这里插入图片描述

结语

如果您觉得该方法或代码有一点点用处，可以给作者点个赞，或打赏杯咖啡；╮(￣▽￣)╭ 如果您感觉方法或代码不咋地//(ㄒoㄒ)//，就在评论处留言，作者继续改进；o_O??? 如果您需要相关功能的代码定制化开发，可以留言私信作者；(✿◡‿◡) 感谢各位大佬童鞋们的支持！( ´ ▽´ )ﾉ ( ´ ▽´)っ！！！