20、Gradio模块

目录

安装 Gradio

创建一个简单的 Gradio 界面

支持的输入和输出类型

自定义界面选项

高级功能

????????Gradio 是一个用于快速创建机器学习模型可视化界面的 Python 库。它允许开发者轻松地为他们的模型创建一个简单的 web 界面，并且不需要任何前端开发的经验。Gradio 非常适合共享和演示模型的能力，尤其是在研究、教学或展示项目时。

安装 Gradio

????????要使用 Gradio，你首先需要安装它。可以使用 pip 来安装：

pip install gradio

创建一个简单的 Gradio 界面

????????创建一个 Gradio 界面主要涉及到定义一个或多个输入和输出，以及一个用于处理输入并返回输出的函数。下面基本示例：

import gradio as gr

# 定义一个处理输入的函数
def greet(name):
    return "Hello " + name + "!"

# 创建界面
iface = gr.Interface(fn=greet, inputs="text", outputs="text")

# 启动界面，会开启一个本地服务器，并在默认浏览器中打开该页面
iface.launch()

????????在这个例子中，我们定义了一个简单的 greet 函数，它接受一个名字作为输入，返回一个问候语作为输出。然后，我们创建了一个 Interface 对象，指定了函数 fn 以及输入和输出的类型，最后通过调用 launch() 方法启动了界面。

支持的输入和输出类型

????????Gradio 支持多种类型的输入和输出，包括文本（text）、数字（number）、图像（image）、音频（audio）、视频（video）、数据帧（dataframe）等。例如，如果你的模型是一个图像分类器，你可能希望使用图像输入和文本输出：

import gradio as gr
from PIL import Image
import torchvision.transforms as transforms
import torch

# 假设有一个预训练的模型
model = ...  # 某个预训练的 PyTorch 模型

# 预处理函数
def preprocess_img(img):
    img = Image.fromarray(img.astype('uint8'), 'RGB')
    img = transforms.Compose([
        transforms.Resize((224, 224)),
        transforms.ToTensor(),
        transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
    ])(img).unsqueeze(0)
    return img

# 预测函数
def classify_image(img):
    img = preprocess_img(img)
    with torch.no_grad():
        prediction = model(img)
    return {str(i): float(prediction[0][i]) for i in range(1000)}  # 假设有1000个类

# 创建界面
iface = gr.Interface(fn=classify_image, inputs="image", outputs="label")

# 启动界面
iface.launch()

? ? ? ? 以上，定义了一个 classify_image 函数，它接受一个图像作为输入，经过预处理后传递给模型进行预测，并返回预测的类别标签。

自定义界面选项

????????可以对界面进行自定义，例如设置标题、描述、输入输出的标签等。这些额外的参数可以在创建 Interface 时传递：

iface = gr.Interface(
    fn=greet,
    inputs=gr.inputs.Textbox(lines=2, placeholder="Name Here..."),
    outputs="text",
    title="Greeting App",
    description="Enter your name to get a greeting."
)

高级功能

Gradio 也支持一些高级功能，如生成分享链接、保存界面为网页、并行处理多个请求等。

• 生成分享链接：

  iface.launch(share=True) # 这将生成一个可以分享给他人的链接

• 保存界面为网页：

  iface.launch(inline=False) # 这将在本地打开界面，并提供选项以保存为网页

• 并行处理请求：

  iface.launch(enable_queue=True) # 这将允许界面并行处理多个请求