Gradio笔记

前言

        Gradio 是一个开源的 Python 库，用于创建交互式的用户界面，主要用于机器学习模型的演示和部署。通过 Gradio，可以很方便地将模型封装为一个 web 应用，直接在浏览器中交互。

Gradio 的主要功能包括：

1. 快速创建界面：只需几行代码就能生成简单的 UI，不需要额外的前端开发。
2. 多种数据类型支持：支持图像、文本、音频、视频等多种输入输出类型，还能显示 3D 模型（例如使用 obj 文件），适用于不同的 AI 应用场景。
3. 轻量级部署：Gradio 创建的应用程序可以轻松在本地运行，也可以托管在 Hugging Face 等平台上。

以下是一个简单的代码示例，用于展示图像处理模型的输入输出界面：

import gradio as gr
from PIL import Image, ImageOpsdef process_image(img):return ImageOps.grayscale(img)  # 将图像转换为灰度gr.Interface(fn=process_image, inputs=gr.Image(type="pil"), outputs="image"
).launch()

        这个例子展示了如何使用 Gradio 进行简单的图像处理。在这个界面中，用户可以上传图像并看到处理后的结果。通过更复杂的设置，Gradio 还支持 3D 模型展示，适合用于视觉模型的演示。

1. 安装 Gradio

        首先，你需要安装 Gradio 库。可以使用 pip 进行安装：

pip install gradio

2. 创建一个简单的图像处理界面

        我们从一个简单的图像处理示例开始，展示如何将图像转换为灰度图像。

import gradio as grfrom PIL import Image, ImageOpsdef process_image(img):return ImageOps.grayscale(img)  # 将图像转换为灰度gr.Interface(fn=process_image, inputs=gr.Image(type="pil"), outputs="image").launch()

3. 详细解释

• 导入库：首先导入 Gradio 和 PIL 库。
• 定义处理函数：process_image 函数接收一个图像对象，并返回处理后的图像。在这个例子中，我们将图像转换为灰度图像。
• 创建界面：使用 gr.Interface 创建一个界面。
  • fn 参数指定处理函数。
  • inputs 参数指定输入类型，这里是图像类型。
  • outputs 参数指定输出类型，这里也是图像类型。
• 启动界面：调用 launch() 方法启动界面。

4. 支持多种输入输出类型

        Gradio 支持多种输入输出类型，包括文本、音频、视频等。我们可以创建一个更复杂的示例，展示如何处理文本输入并返回文本输出。

import gradio as grdef reverse_text(text):return text[::-1]  # 反转输入的文本gr.Interface(fn=reverse_text, inputs="text", outputs="text").launch()

5. 组合多个输入输出

        Gradio 还支持组合多个输入输出。我们可以创建一个示例，展示如何同时处理图像和文本输入，并返回图像和文本输出。

import gradio as grfrom PIL import Image, ImageOpsdef process(img, text):img = ImageOps.grayscale(img)  # 将图像转换为灰度text = text[::-1]  # 反转输入的文本return img, textgr.Interface(fn=process, inputs=[gr.Image(type="pil"), "text"], outputs=["image", "text"]).launch()

6. 使用滑块和下拉菜单

        我们可以使用滑块和下拉菜单来创建更复杂的界面。例如，创建一个界面，允许用户调整图像的亮度。

import gradio as grfrom PIL import ImageEnhancedef adjust_brightness(img, factor):enhancer = ImageEnhance.Brightness(img)return enhancer.enhance(factor)gr.Interface(fn=adjust_brightness, inputs=[gr.Image(type="pil"), gr.Slider(0.1, 3.0, 1.0)], outputs="image").launch()

7. 部署到 Hugging Face

        Gradio 应用可以轻松部署到 Hugging Face。首先，你需要在 Hugging Face 上创建一个账户并获取 API 令牌。然后，可以使用以下命令将应用部署到 Hugging Face：

gr.Interface(fn=process_image, inputs=gr.Image(type="pil"), outputs="image").launch(share=True)

8. 3D 模型展示

        Gradio 还支持 3D 模型展示，例如使用 .obj 文件。以下是一个简单的示例：

 

import gradio as grdef load_3d_model(file_obj):return file_objgr.Interface(fn=load_3d_model, inputs=gr.Model3D(), outputs="model3d").launch()