Gradio快速构建AI应用界面

# Gradio快速构建AI应用界面

## 什么是Gradio？

Gradio是一个Python库，可以在几分钟内为任何机器学习模型、API或任意Python函数创建Web界面。它被Hugging Face收购，已成为AI Demo的标准工具。

## 安装

```bash
pip install gradio
```

## 快速开始

### 最简单的示例

```python
import gradio as gr

def greet(name):
    return f"你好, {name}!"

interface = gr.Interface(
    fn=greet,
    inputs="text",
    outputs="text"
)
interface.launch()
```

运行后打开 http://127.0.0.1:7860 即可使用。

### 图像分类示例

```python
import gradio as gr
from transformers import pipeline

classifier = pipeline("image-classification")

def classify_image(image):
    results = classifier(image)
    return {r["label"]: r["score"] for r in results}

interface = gr.Interface(
    fn=classify_image,
    inputs=gr.Image(type="pil"),
    outputs=gr.Label(num_top_classes=5),
    title="图像分类器",
    description="上传图片进行分类"
)
interface.launch()
```

## 常用组件

### 输入组件

```python
gr.Textbox()        # 文本输入
gr.Number()         # 数字输入
gr.Slider()         # 滑块
gr.Dropdown()       # 下拉框
gr.Checkbox()       # 复选框
gr.Image()          # 图像上传
gr.Audio()          # 音频上传
gr.File()           # 文件上传
```

### 输出组件

```python
gr.Textbox()        # 文本输出
gr.Label()          # 分类标签
gr.Image()          # 图像输出
gr.Audio()          # 音频输出
gr.DataFrame()      # 表格
gr.Plot()           # 图表
gr.Markdown()       # Markdown
```

## Blocks高级布局

```python
import gradio as gr

with gr.Blocks() as demo:
    gr.Markdown("# 我的AI应用")
    
    with gr.Row():
        with gr.Column():
            input_text = gr.Textbox(label="输入")
            submit_btn = gr.Button("提交")
        with gr.Column():
            output_text = gr.Textbox(label="输出")
    
    submit_btn.click(
        fn=process_text,
        inputs=input_text,
        outputs=output_text
    )

demo.launch()
```

## 流式输出

```python
import gradio as gr

def stream_response(message):
    response = ""
    for char in "这是一个流式响应示例":
        response += char
        yield response

with gr.Blocks() as demo:
    chatbot = gr.Chatbot()
    msg = gr.Textbox()
    
    def respond(message, history):
        return "", history + [[message, stream_response(message)]]
    
    msg.submit(respond, [msg, chatbot], [msg, chatbot])

demo.launch()
```

## ChatInterface

专门用于聊天应用：

```python
import gradio as gr

def chat(message, history):
    # 调用LLM
    response = call_llm(message)
    return response

interface = gr.ChatInterface(
    fn=chat,
    title="AI助手",
    examples=["你好", "什么是AI"]
)
interface.launch()
```

## 部署方式

### Hugging Face Spaces

创建app.py和requirements.txt，推送到Spaces即可。

### 本地部署

```python
interface.launch(
    server_name="0.0.0.0",
    server_port=7860,
    share=True  # 创建公共链接
)
```

## 总结

Gradio是最快速的AI应用界面构建方式，特别适合快速原型、Demo展示和POC验证。
评论 (0)
