Gradio机器学习模型快速部署工具quickstart前篇

目录

• Gradio 是做什么的？
• Hello, World
• 类Interface
• 组件属性
• 多个输入和输出组件

Gradio 是做什么的？

先决条件：Gradio 需要 Python 3.7 或更高版本，仅此而已！

gradio.app/quickstart/…

与他人分享您的机器学习模型、API 或数据科学工作流程的最佳方式_之一是创建一个交互式应用程序，让您的用户或同事可以在他们的浏览器中试用该演示。

Gradio 允许您**构建演示并共享它们，所有这些都在 Python 中。**通常只需几行代码！让我们开始吧。

Hello, World

要使用简单的“Hello, World”示例运行 Gradio，请执行以下三个步骤：

1.使用pip安装Gradio：

pip install gradio

2. 将以下代码作为 Python 脚本或在 Jupyter Notebook中运行：

import gradio as gr
def greet(name):
    return "Hello " + name + "!"
demo = gr.Interface(fn=greet, inputs="text", outputs="text")
demo.launch()   

3. 下面的演示将自动出现在 Jupyter Notebook 中，或者如果从脚本运行则在浏览器中弹出 http://localhost:7860

渐变/你好世界 使用 Gradio构建。 托管在 空间

在本地开发时，如果您想将代码作为 Python 脚本运行，您可以使用 Gradio CLI 以重新加载模式启动应用程序，这将提供无缝和快速的开发。在自动重新加载指南中了解有关重新加载的更多信息。

gradio app.py

注意：你也可以这样做python app.py，但它不会提供自动重新加载机制。

类Interface

https://gradio.app/quickstart/#the-interface-class

您会注意到，为了制作演示，我们创建了一个gradio.Interface. 此类Interface可以使用用户界面包装任何 Python 函数。在上面的示例中，我们看到了一个简单的基于文本的函数，但该函数可以是任何东西，从音乐生成器到税收计算器再到预训练机器学习模型的预测函数。

核心Interface类使用三个必需参数进行初始化：

• fn: 环绕 UI 的函数
• inputs: 哪个组件用于输入（例如"text","image"或"audio"）
• outputs: 用于输出的组件（例如"text","image"或"label"）

让我们仔细看看这些用于提供输入和输出的组件。

组件属性

gradio.app/quickstart/…

我们Textbox在前面的示例中看到了一些简单的组件，但是如果您想更改 UI 组件的外观或行为方式怎么办？

假设您想要自定义输入文本字段——例如，您希望它更大并且有一个文本占位符。如果我们使用实际的类Textbox而不是使用字符串快捷方式，您可以通过组件属性访问更多的可定制性。

import gradio as gr
def greet(name):
    return "Hello " + name + "!"
demo = gr.Interface(
    fn=greet,
    # 改变外观
    inputs=gr.Textbox(lines=2, placeholder="Name Here..."),
    outputs="text",
)
demo.launch()

多个输入和输出组件

gradio.app/quickstart/…

假设您有一个更复杂的函数，具有多个输入和输出。在下面的示例中，我们定义了一个函数，它接受一个字符串、布尔值和数字，并返回一个字符串和数字。看一下如何传递输入和输出组件列表。

import gradio as gr
def greet(name, is_morning, temperature):
    salutation = "Good morning" if is_morning else "Good evening"
    greeting = f"{salutation} {name}. It is {temperature} degrees today"
    celsius = (temperature - 32) * 5 / 9
    return greeting, round(celsius, 2)
demo = gr.Interface(
    fn=greet,
    inputs=["text", "checkbox", gr.Slider(0, 100)],
    outputs=["text", "number"],
)
demo.launch()

参考网址： gradio.app/quickstart/

以上就是Gradio机器学习模型快速部署工具quickstart前篇的详细内容，更多关于Gradio机部署quickstart的资料请关注脚本之家其它相关文章！