基于gradio框架开发知识收集

gradio教程

gradio系列视频教程

常用输入输出组件

无输入参数

使用Blocks灵活搭建界面

使用css

事件处理

对接对话模型

gradio教程

gradio主页

老刘的gradio中文教程

全网最详细Gradio教程系列

Gradio的特性

Gradio的主要目标是使模型的测试和调试变得更加简单，同时也让非技术用户能够理解和使用这些模型。以下是Gradio的一些主要特性和关键技术：

易于使用：Gradio的一个主要优点是它的易用性。开发者只需要几行代码就可以为他们的模型创建一个交互式的预览界面。这个界面可以包含各种输入和输出类型，包括文本、图像、音频及视频等。

灵活性：Gradio不仅可以用于各种类型的模型，包括强化学习模型、深度学习模型、传统的机器学习模型，甚至是简单的函数，而且它也可以在各种环境中运行，包括Jupyter notebook、Python脚本、Colab notebooks等。

共享和部署：Gradio还提供了一个共享功能，开发者可以通过一个链接将他们的模型界面分享给其他人。此外，Gradio也支持模型的部署，开发者可以将他们的模型和界面部署到云端，使其可以在网页上访问。

可解释性：Gradio还提供了一些工具来帮助用户理解模型的预测。例如，它可以显示模型的预测分布，或者使用类似于 LIME和SHAP的技术来解释模型的预测。

多模型比较：Gradio可以同时显示多个模型的预测结果，这使得模型的比较和选择变得更加简单。

gradio系列视频教程

点击查看原视频

import gradio as gr

def greet(name, intensity):

    return "Hello, " + name + "!" * intensity

demo = gr.Interface(

    fn=greet,

    inputs=["text", gr.Slider(value=2, minimum=1, maximum=10, step=1)],

    outputs=[gr.Textbox(label="greeting", lines=3)],

)

demo.launch()

转灰度图：

import gradio as gr

import cv2 

def turn.gray(image):

  gray=cv2.cvtColor(image，cv2.COLOR_RGB2GRAY)

  return gray

iface = gr.Interface(fn=turn_gray,inputs=gr.Image(),outputs="image")

 iface.launch()

常用输入输出组件

无输入参数

使用Blocks灵活搭建界面

gr.Blocks()

gr.tab()

gr.Row()

gr.Column()

gr.TextBox()

gr.Button(value="Generate",variant="primary")

gr.Dropdown(["1","2","3",“4”】，label="Style1")

gr.CheckboxGroup(["1","2","3",“4”,label="Style2"],

gr.Accordion()

。。。

#######################################

使用css

gr.Blocks(css="style.css") as demo

事件处理

seg语义分割

det目标检测

cls图像分类

图像分类：

#######################

语义分割

目标检测

对接对话模型

对话处理函数