Gradio官方教程一：Gradio生态系统、主要组件及Interface class简介_gradio教程

传送门：

• 《Gradio官方教程一：Gradio生态系统、主要组件及Interface class简介》
• 《Gradio 4.37.1官方教程二：Blocks》
• 《Gradio 4.37.1官方教程三：Chatbot》
• 《Gradio 教程四：Building Generative AI Applications with Gradio》

gradio（GitHub)、gradio官方教程、gradio官方文档

一、快速开始

1.1 创建第一个demo

  Gradio 是一个用于快速构建机器学习模型界面的 Python 库，使用 Gradio 内置的共享功能，您可以在几秒钟内分享您的演示或网络应用程序链接，无需任何 JavaScript、CSS 或网页托管经验！下面进行演示，让我们编写第一个 Gradio 应用程序：

# pip install gradio

import gradio as gr

def greet(name, intensity):
    return "Hello, " + name + "!" * int(intensity)

demo = gr.Interface(
    fn=greet,
    inputs=["text", "slider"],
    outputs=["text"],
)

demo.launch()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

  你可以将上述代码放入以文件运行（ python app.py ），下面的演示将在 http://localhost:7860 上的浏览器中打开。如果您在笔记本中运行，则演示将嵌入在笔记本中。在左侧的文本框中键入您的姓名，拖动滑块，然后按“提交”按钮，就会在右侧看到问候语。

  另外，在本地开发时，您可以在在命令行中输入gradio app.py来启动热重载模式（ hot reload mode）以运行 Gradio 应用程序。这意味着当你在本地编辑app.py文件时，Gradio会自动重新加载修改后的应用程序，而不需要手动停止和启动它，这一便利特性，可以让开发者更快地迭代和测试他们的应用。更多内容，详见《Hot Reloading Guide》。

1.2 分享demo

只需在 launch()中 设置 share=True ，即可为您的演示创建一个可公开访问的 URL，让您轻松共享机器学习演示，而不必担心在 Web 服务器上托管的麻烦。

import gradio as gr

def greet(name):
    return "Hello " + name + "!"

demo = gr.Interface(fn=greet, inputs="textbox", outputs="textbox")
    
demo.launch(share=True)  # Share your demo with just 1 extra parameter 声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：【wpsshop博客】