Gradio 简单入门指南

1. Gradio简介

Gradio是一个开源的Python库，用于快速创建机器学习模型和数据科学工作流的演示界面。它允许开发者通过几行代码将Python函数转换为交互式Web应用，无需前端开发经验。

主要用途

快速演示机器学习模型
创建数据可视化工具
构建交互式数据处理应用
开发教学演示界面

优势

极简的API设计，上手门槛低
支持多种输入输出类型（文本、图像、音频、视频等）
自动生成美观的UI界面
支持本地运行和云端部署
内置分享功能，一键生成公开链接

2. 安装步骤

环境要求

Python 3.7或更高版本
建议使用虚拟环境（如venv或conda）

安装命令

基础安装

1	pip install gradio

完整安装（包含所有依赖）

1	pip install gradio[all]

验证安装

1 2	import gradio as gr print(gr.__version__)

3. 基础示例

示例1：简单的文本输入输出应用

import gradio as gr

def greet(name):
    """简单的问候函数"""
    return f"你好, {name}! 欢迎使用Gradio!"

# 创建Gradio界面
iface = gr.Interface(
    fn=greet,  # 要包装的函数
    inputs=gr.Textbox(label="请输入你的名字"),  # 输入组件
    outputs=gr.Textbox(label="问候语")  # 输出组件
)

# 运行应用
iface.launch()

示例2：图像展示应用

import gradio as gr
import numpy as np

def generate_image(width, height):
    """生成随机彩色图像"""
    # 创建随机彩色图像
    image = np.random.randint(0, 255, (height, width, 3), dtype=np.uint8)
    return image

# 创建Gradio界面
iface = gr.Interface(
    fn=generate_image,
    inputs=[
        gr.Slider(minimum=100, maximum=800, value=400, label="图像宽度"),
        gr.Slider(minimum=100, maximum=800, value=300, label="图像高度")
    ],
    outputs=gr.Image(label="随机生成的图像")
)

# 运行应用
iface.launch()

4. 核心组件

常用输入组件

文本输入

# 单行文本框
text_input = gr.Textbox(label="单行文本输入", placeholder="请输入文本")

# 多行文本框
textarea = gr.Textarea(label="多行文本输入", lines=5)

图像输入

1 2	# 图像上传组件 image_input = gr.Image(label="上传图像", type="numpy") # 返回numpy数组

数值输入

# 滑块
slider = gr.Slider(minimum=0, maximum=100, value=50, label="滑块")

# 数值输入框
number = gr.Number(label="数值输入", value=0)

选择组件

# 下拉菜单
dropdown = gr.Dropdown(choices=["选项1", "选项2", "选项3"], label="下拉菜单")

# 单选按钮
radio = gr.Radio(choices=["A", "B", "C"], label="单选按钮")

常用输出组件

文本输出

1	text_output = gr.Textbox(label="文本输出")

图像输出

1	image_output = gr.Image(label="图像输出")

表格输出

1	dataframe_output = gr.Dataframe(label="表格输出")

5. 运行与分享

运行应用

本地运行

iface.launch(
    server_name="0.0.0.0",  # 允许外部访问
    server_port=7860,       # 指定端口
    share=True              # 生成公开链接
)

分享应用

临时分享

1	iface.launch(share=True)

永久部署

使用Gradio Hub部署
部署到Hugging Face Spaces
部署到AWS、GCP等云平台

6. 进阶提示

技巧1：添加自定义CSS样式

iface = gr.Interface(
    fn=greet,
    inputs=gr.Textbox(),
    outputs=gr.Textbox()
)

# 添加自定义CSS
iface.css = """
.gradio-container {
    background-color: #f0f2f6;
}
"""

iface.launch()

技巧2：使用Blocks构建更复杂的界面

import gradio as gr

with gr.Blocks() as demo:
    gr.Markdown("# 复杂界面示例")
    
    with gr.Tab("文本处理"):
        input_text = gr.Textbox(label="输入文本")
        output_text = gr.Textbox(label="输出文本")
        process_btn = gr.Button("处理")
    
    with gr.Tab("图像处理"):
        input_image = gr.Image(label="上传图像")
        output_image = gr.Image(label="处理后的图像")
        process_image_btn = gr.Button("处理图像")
    
    def process_text(text):
        return text.upper()
    
    process_btn.click(fn=process_text, inputs=input_text, outputs=output_text)

demo.launch()