基于python的大模型可视化开发
接触到大模型后，会发现很多为了简化可视化，不需要像flask那般，直接借助python完成web界面的可视化，下面介绍几种库：
| gradio | streamit | dash | |
|---|---|---|---|
| 主要使用场景 | 可交互小 Demo | 工作流、DashBoard | DashBoard、生产环境的复杂演示应用 |
| 上手难度 | 简单 | 简单 | 中等 |
| 组件丰富度 | 低 | 高 | 高 |
| 综合扩展性 | 低 | 中 | 高 |
| Jupyter Notebook 内支持 | 是 | 否 | 是 |
| 是否完全开源 | 是 | 是 | 部分企业级功能未开源 |
| github stars | 13.4k | 23.1k | 18.2k |
| 案例列表 | https://github.com/gradio-app/awesome-demos | https://streamlit.io/gallery | https://dash.gallery/Portal/ |
（1）gradio
安装： pip install gradio -i https://pypi.tuna.tsinghua.edu.cn/simple
使用：
Gradio 基于 svelte，官方文档Gradio, 提供两个类来构建应用程序UI：
- gr.Interface：gr.Interface模块用于创建简易场景下的应用界面。它是使用Gradio构建交互式应用程序的核心模块之一。通过gr.Interface，您可以快速定义输入和输出函数，并将它们与界面组件进行关联，以创建一个具有交互性的应用程序。这个模块提供了简洁的API和直观的界面，使得构建应用程序变得简单易懂。
- gr.Blocks：gr.Blocks模块用于定制化场景下的应用界面。它提供了更高级的界面定制和扩展功能，适用于需要更精细控制界面布局和组件交互的情况。通过gr.Blocks，您可以使用不同的布局块（Blocks）来组织界面组件，以实现更灵活、复杂的界面设计。这个模块适用于那些需要对界面进行高度定制的开发者，可以根据具体需求构建独特的应用界面。
Gradio的应用界面模块提供了不同的选择，根据开发者的需求和技术水平，可以选择使用gr.Interface进行简易场景的应用界面开发，或使用gr.Blocks进行更定制化的界面设计。其常见组件如下：
输入输出组件：
-
- gr.Image（图像）：用于处理图像输入和输出。
- gr.Textbox（文本框）：用于接收和显示文本输入和输出。
- gr.DataFrame（数据框）：用于处理表格数据的输入和输出。
- gr.Dropdown（下拉选项）：用于创建下拉选项菜单，方便用户进行选择。
- gr.Number（数字）：用于处理数值输入和输出。
- gr.Markdown：用于渲染和显示Markdown格式的文本。
- gr.Files：用于处理文件的输入和输出。
控制组件：
-
- gr.Button（按钮）：用于创建按钮，用户可以点击按钮执行特定的操作。
- gr.Slider（滑块）：用于创建可拖动的滑块，用于选择范围内的数值。
- gr.Checkbox（复选框）：用于创建复选框，用户可以选择或取消选择。
- gr.Radio（单选框）：用于创建单选框，用户可以从多个选项中选择一个。
- gr.Switch（开关）：用于创建开关按钮，用户可以切换开关的状态。
- gr.ColorPicker（颜色选择器）：用于选择颜色的输入和输出。
- 等等
布局组件：
-
- gr.Tab（标签页）：用于创建多个标签页，使界面更加有组织和易于导航。
- gr.Row（行布局）：用于将组件水平排列在一行中。
- gr.Column（列布局）：用于将组件垂直排列在一列中。
Gradio 支持的主要响应事件包括：
| 事件类型 | 触发条件 | 适用组件 |
|---|---|---|
change |
用户完成输入或选择后触发 | Textbox, Slider, Dropdown, File, Image, Audio, Video |
input |
用户每次输入内容时触发 | Textbox, Slider |
click |
用户点击按钮时触发 | Button |
edit |
用户完成图像编辑时触发 | Image（编辑模式） |
submit |
用户按下回车键提交内容时触发 | Textbox, Textarea |
这些事件提供了丰富的动态交互支持，可以用来增强用户体验，实现高度个性化和实时交互的 Web 应用程序。
简单使用案例：
###基于gr.Interface
import gradio as gr
def greet(name):
return "Hello " + name + "!"
demo = gr.Interface(
fn=greet,
inputs=gr.Textbox(lines=2, placeholder="Name Here..."),
outputs="text",
)
demo.launch()
###基于gr.Blocks
####with gr.Tab分页， with gr.Accordion可折叠框，with gr.Row()行内显示
import numpy as np
import gradio as gr
def flip_text(x):
return x[::-1]
def flip_image(x):
return np.fliplr(x)
with gr.Blocks() as demo:
gr.Markdown("Flip text or image files using this demo.")
with gr.Tab("Flip Text"):
text_input = gr.Textbox()
text_output = gr.Textbox()
text_button = gr.Button("Flip")
with gr.Tab("Flip Image"):
with gr.Row():
image_input = gr.Image()
image_output = gr.Image()
image_button = gr.Button("Flip")
with gr.Accordion("Open for More!"):
gr.Markdown("Look at me...")
text_button.click(flip_text, inputs=text_input, outputs=text_output)
image_button.click(flip_image, inputs=image_input, outputs=image_output)
demo.launch()具体使用可以参考:Gradio入门到进阶全网最详细教程[一]：快速搭建AI算法可视化部署演示(侧重项目搭建和案例分享) - 知乎
(2) streamit
安装方式：
pip install streamit
基本使用：
streamit基于 React ，它的上手使用也非常之简单，下面是一个简单示例
import streamlit as st
import numpy as np
import pandas as pd
st.title("This is my first app")
# 有很多方式展示数据 (表格、数组、pandas的表格数据结构），magic方法、st.write()方法
# magic方法
st.write("magic方法使用")
df = pd.DataFrame({
'first column': [1, 2, 3, 4],
'second column': [10, 20, 30, 40]
})
# pd.DataFrame( data, index, columns, dtype, copy)
# data数据,index 行标签，columns列标签 默认为np.arange(n)，dtype 每一列数据类型,copy 能复制数据默认false
df # 每当Streamlit在自己的行中看到变量或文字值时，它都会使用st.write（）自动将其写入您的应用程序。
# st.write()方法，可以自动渲染 文本、数据、Matplotlib图形、Altair图表等等。
st.write("write() 方法使用")
st.write(pd.DataFrame({
'first column': [1, 2, 3, 4],
'second column': [10, 20, 30, 40]
}))
运行Streamlit的另一种方法是将其作为Python模块运行。这在配置 PyCharm 等 IDE 以使用 Streamlit 时很有用：
# Running
python -m streamlit run your_script.py
# is equivalent to:
streamlit run your_script.py对其基础使用可以参考streamlit 入门之基本概念 - 知乎