快速搭建机器学习demo: gradio教程

本文链接：https://blog.youkuaiyun.com/orangerfun/article/details/131745719

本文介绍了gradio工具，它能帮助开发者快速创建机器学习模型的交互式DEMO。gradio与Streamlit相比更简洁易用，通过几个基础组件如输入输出、触发和布局组件，可以构建简易或复杂的UI。文中还提供了基础和进阶组件的使用示例，包括图像、文本、数字、布局等，并鼓励读者探索更优雅的界面设计。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

🙃关注公众号 funNLPer 白嫖畅读全文🙃

1. Intro

gradio是一个能够快速建立机器学习demo web应用的工具，仅需简单的几行代码就能构建机器学习模型的可视化交互demo，并分享给你的朋友使用。

与gradio相同功能的竞品有Streamlit，相比Gradio，Streamlit相对复杂，完全熟练使用需要一定时间。

2. quick start

如下展示了一个简单的case，其他所有的case都可套用该模板

import gradio as gr

# 定义处理函数/模型推理
def greet(name):
    return "Hello " + name + "!"

# interface中三个必要参数: 推理函数、输入、输出
demo = gr.Interface(fn=greet, inputs="text", outputs="text")
# 是否开启公网分享
demo.launch(share=False)

可得到如下的界面
在这里插入图片描述

3. 基础组件

3.1 应用界面

简易界面通常使用 gr.Interface(fn, inputs, outputs, ···)
- fn 是一个包装函数，通常为机器学习模型的推理部分
- inputs 输入，通常是gradio的组件，如gr.Image(), 对于文本、图片等简单类型可直接写成[“text”, “image”]
- outputs 输出，同输入
定制化场景通常使用 gr.Blocks()
block一般应用在定制化的复杂场景，可以自己定义很多模块，进行组合，后面会做详细介绍

3.2 输入输出组件

图像 gr.Image(value, label, show_label)
- value: 输入的图像，支持pil, np_array, path, url等格式
- label: 组件名称
- show_label: 是否展示组件名称
文本 gradio.Textbox(value, lines, placeholder, show_copy_button)
- value: 输入文本
- lines: 文本框最少展示行数
- placeholder: 一般用作提示语
- show_copy_button: 是否展示复制按钮
数字 gr.Number(choices, value, label)
数据框 gr.DataFrame()
下拉选项 gr.Dropdown()
markdown gr.Markdown()
文件 gr.Files()
调节带 gradio.Slider(···)
单选 gradio.Radio(choices, value, label)
- choice: 选择项list
- value: 默认选定值
- label: 组件名称

3.3 触发组件

按钮组件：gradio.Button(value)
- value: 按钮的名称
- 通常和click组件联合使用 gradio.Button.click(fn, inputs, outputs)
清除按钮: gradio.ClearButton(components, value)
- components: 要清除的组件
- value: 按钮名称
- 通常和gradio.ClearButton.add(components, ···)以及click()方法联合使用

3.4 布局组件

标签页: gr.Tab()
行布局: gradio.Row()
列布局: gradio.Column()
折叠项: gradio.Accordion(label, ···)

3.5 demo

这里我们使用Block和以上部分组件搭建了一个case

def chat(name,  lan, repeat=1, machine_name="小明"):
    if lan == "chinese":
        reply = "你好,"+name+",我叫"+machine_name
    elif lan =