Gradio简单使用

什么是Gradio?

Hugging Face发布的开源Python包，可以为机器学习模型，API或任意Python函数快速构建demo或web应用，并且通过Gradio的内置共享功能可以快速生成对应的链接，而无需任何变成基础。

核心定位：降低 AI 模型的展示与测试门槛，让技术人员（如算法工程师）快速将模型转化为可操作的界面，方便产品、测试人员或客户直观体验模型功能。

官方网站：https://www.gradio.app/guides/quickstart

使用流程

第一步：安装Gradio包，官方要求Python 3.10及以上

pip install --upgrade gradio

第二步：使用一个小case来演示可视化的操作界面

# 引包
import gradio as gr

# 实现一个反转文本的功能
def reverse_text(text):
    return text[::-1]

# 界面配置
demo = gr.Interface(fn=reverse_text, inputs="text", outputs="text")

# 启动应用，launch()方法会创建一个本地Web服务器，在浏览器中打开交互式界面
# 让用户可以测试机器学习模型或应用程序的功能，通常在定义好输入输出组件和处理函数后调用此方法来部署应用。
demo.launch()

第三步：启动运行之后。在控制台能够看到一个ip地址：

第四步：通过浏览器访问，可视化界面如下：

demo 示例

案例一：输出多个不同类型的内容

# 引包
import gradio as gr

# 实现一个反转文本的功能
def reverse_and_count(text):
    reversed_text = text[::-1];
    length = len(text)
    return reversed_text, length

# 界面配置
demo = gr.Interface(fn=reverse_and_count,
                    inputs="text",
                    outputs=["text", "number"], # 输出两个结果，一个文本，一个数字
                    title="文本反转和长度计算器",
                    )

demo.launch()

界面操作

案例二：图像转铅笔画

# 引包
import cv2
import gradio as gr
import numpy as np


# 实现一个反转文本的功能
def image_to_sketch(image):
    gray_image = image.convert('L')
    inverted_image = 255 - np.array(gray_image)
    blurred_image = cv2.GaussianBlur(inverted_image, (21, 21), 0)
    inverted_blurred = 255 - blurred_image
    sketch = cv2.divide(np.array(gray_image), inverted_blurred, scale=256)
    return sketch

# 界面配置
demo = gr.Interface(fn=image_to_sketch,
                    inputs=[gr.Image(label="上传图片", type="pil")],
                    outputs=[gr.Image(label="图片转素描图")],
                    title="图像转铅笔画",
                    )

demo.launch()

输出：