python系列&deep_study系列:Gradio中文教程(十一)State in Blocks




Gradio中文教程(十一)State in Blocks

块中的状态

我们已经在接口中介绍了状态,本指南将探讨块中的状态,它与接口中的状态大部分相同。

全局状态

块中的全局状态与接口中的全局状态相同。在函数调用之外创建的任何变量都是所有用户之间共享的引用。

会话状态

Gradio支持会话状态,在块应用中,数据在同一页面会话内的多次提交之间保持不变。重申一下,会话数据不会在您的模型的不同用户之间共享。要在会话状态中存储数据,您需要做三件事:

  1. 创建一个gr.State()对象。如果这个有状态对象有一个默认值,将其传递给构造函数。

  2. 在事件监听器中,将State对象作为输入和输出。

  3. 在事件监听器函数中,将变量添加到输入参数和返回值中。

让我们来看一个吊人游戏的例子。

import gradio as gr

secret_word = "gradio"

with gr.Blocks() as demo:    
    used_letters_var = gr.State([])
    with gr.Row() as row:
        with gr.Column():
            input_letter = gr.Textbox(label="Enter letter")
            btn = gr.Button("Guess Letter")
        with gr.Column():
            hangman = gr.Textbox(
                label="Hangman",
                value="_"*len(secret_word)
            )
            used_letters_box = gr.Textbox(label="Used Letters")

    def guess_letter(letter, used_letters):
        used_letters.append(letter)
        answer = "".join([
            (letter if letter in used_letters else "_")
            for letter in secret_word
        ])
        return {
            used_letters_var: used_letters,
            used_letters_box: ", ".join(used_letters),
            hangman: answer
        }
    btn.click(
        guess_letter, 
        [input_letter, used_letters_var],
        [used_letters_var, used_letters_box, hangman]
        )
demo.launch()

让我们看看在这个游戏中我们如何完成上述三个步骤:

  1. 我们将已使用的字母存储在used_letters_var中。在State的构造函数中,我们将这个的初始值设置为[],一个空列表。

  2. btn.click()中,我们在输入和输出中都有一个对used_letters_var的引用。

  3. guess_letter中,我们将这个State的值传递给used_letters,然后在返回语句中返回这个State的更新值。

对于更复杂的应用,您可能会有许多存储在单个块应用中的会话状态的状态变量。

在文档中了解更多关于State的信息。







老刘

Gradio中文教程(十一)State in Blocks

### 如何在 Python 中运行 `demo_gradio_fixed.py` 或 `demo_gradio.py` 文件 要成功运行包含 Gradio 库的 Python 脚本文件(如 `demo_gradio_fixed.py` 和 `demo_gradio.py`),需要完成以下几个方面的配置: #### 1. 安装必要的依赖项 确保安装了脚本所需的全部依赖库。如果尚未安装 Gradio 及其关联库,可以使用以下命令来安装它们: ```bash !pip install gradio ``` 对于更复杂的项目,可能还需要其他依赖库。例如,在引用中提到的内容显示该项目还涉及 Diffusers、Transformers 等工具包[^1]。因此,建议先执行如下命令以确保环境完整: ```bash !pip install -q diffusers==0.14.0 transformers xformers git+https://github.com/huggingface/accelerate.git !pip install -q opencv-contrib-python !pip install -q controlnet_aux ``` 这些命令会帮助设置一个适合运行复杂 AI 模型和服务的基础环境。 #### 2. 运行 `.py` 文件的方法 一旦所有必需的库都已正确安装,可以通过多种方式运行目标 Python 文件: - **通过终端或命令提示符** 打开系统的终端窗口,并导航到存储有 `demo_gradio_fixed.py` 的目录下。输入以下指令启动程序: ```bash python demo_gradio_fixed.py ``` - **利用 Jupyter Notebook 或 Google Colab** 如果是在交互式的环境中工作,则可以直接加载该文件作为单元格的一部分或者上传本地文件后直接运行它。假设已经将文件上传至当前路径,可尝试这样操作: ```python %run demo_gradio.py ``` #### 3. 配置 Gradio 接口 Gradio 是一种快速构建机器学习演示应用程序的工具。通常情况下,`.py` 文件内部定义了一个基于 Gradio 的界面函数。当脚本被执行时,这个接口会被自动部署出来供用户测试模型功能。以下是典型代码片段展示如何创建简单的 Gradio UI 并将其连接到预测逻辑上: ```python import gradio as gr def greet(name): return f"Hello {name}!" with gr.Blocks() as demo: name_input = gr.Textbox(label="Enter your name:") greeting_output = gr.Textbox(label="Greeting message will appear here.") submit_button = gr.Button("Submit") submit_button.click(greet, inputs=name_input, outputs=greeting_output) demo.launch() ``` 此段代码展示了基本结构——接收输入数据并通过指定方法返回结果给前端页面呈现。 #### 总结 综上所述,为了顺利开启并体验由 Gradio 提供支持的人工智能应用实例,请按照上述指导逐步准备所需软硬件条件以及熟悉相关框架特性[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坦笑&&life

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值