https://www.gradio.app/

Gradio 是一个开源 Python 软件包https://github.com/gradio-app/gradio ，可以让你快速为机器学习模型、API 或任何任意 Python 函数创建一个演示或网络应用程序。然后，您就可以使用 Gradio 内置的分享功能，在几秒钟内分享您的演示或网络应用程序的链接。无需 JavaScript、CSS 或网络托管经验！

只需几行 Python 代码就能创建一个类似上面的演示，让我们开始吧 💫

安装 

前提条件Gradio 需要 Python 3.8 或更高版本

我们建议使用 pip 安装 Gradio，它默认包含在 Python 中。在终端或命令提示符下运行它：

pip install gradio

✍️ 提示：最好在虚拟环境中安装 Gradio。这里提供了所有常见操作系统的详细安装说明。https://www.gradio.app/main/guides/installing-gradio-in-a-virtual-environment

制作第一个演示版 

你可以在自己喜欢的代码编辑器、Jupyter 笔记本、Google Colab 或其他任何编写 Python 的地方运行 Gradio。让我们编写第一个 Gradio 应用程序吧：

import gradio as gr  # 导入gradio库，gradio用于快速创建机器学习模型的web界面


# 定义一个名为greet的函数，接收两个参数：name 和 intensity
def greet(name, intensity):
    # 函数返回一个字符串，包含问候语和根据intensity重复的名字
    return "Hello, " + name + "!" * int(intensity)  


# 使用gr.Interface创建一个UI界面，fn指定了接口的函数，inputs定义了输入类型，outputs定义了输出类型
demo = gr.Interface(
    fn=greet,  # 指定greet函数作为接口的回调函数
    inputs=["text", "slider"],  # 设置两个输入，一个文本输入框和一个滑块
    outputs=["text"],  # 设置一个文本输出，用于显示greet函数的结果
)


demo.launch()  # 启动界面，这将会在本地服务器上运行web应用程序

该代码的功能是使用Gradio库创建一个简单的web界面，该界面通过一个「text」框输入名字和一个「slider」滑块输入亲密度（intensity），然后点击提交会调用greet函数生成含有问候语的字符串。根据滑块的值，名字会被重复相应的次数，并将结果显示在界面上。

✍️ 提示：为了提高代码的可读性，我们将导入名称从 gradio 简化为 gr 。这是一个被广泛采用的约定，您应该遵守，这样任何与您的代码打交道的人都能很容易地理解它。

现在，运行您的代码。如果您将 Python 代码写入一个名为 app.py 的文件，那么您就可以在终端运行 python app.py 。

如果从文件运行，下面的演示将在 http://localhost:7860 的浏览器中打开。如果在笔记本中运行，演示将嵌入笔记本中显示。

在左边的文本框中输入您的姓名，拖动滑块，然后按提交按钮。您应该会在右侧看到一个友好的问候语。

✍️ 提示：在本地开发时，你可以在热重载模式下运行 Gradio 应用程序，每当你对文件进行修改时，Gradio 应用程序就会自动重载。要做到这一点，只需在文件名前输入 gradio 而不是 python 即可。在上面的例子中，你需要在终端中输入gradio app.py。有关热重载的更多信息，请参阅《热重载指南》https://www.gradio.app/guides/developing-faster-with-reload-mode。

理解 Interface 类

你会注意到，为了制作第一个演示，你创建了一个 gr.Interface 类的实例。 Interface 类旨在为机器学习模型创建演示，这些模型接受一个或多个输入，并返回一个或多个输出。

Interface 类有三个核心参数：

• fn: the function to wrap a user interface (UI) around
  fn ：用于封装用户界面（UI）的函数

• inputs: the Gradio component(s) to use for the input. The number of components should match the number of arguments in your function.
  inputs:输入要使用的 Gradio 组件。组件数量应与函数参数数量一致。

• outputs: the Gradio component(s) to use for the output. The number of components should match the number of return values from your function.
  outputs:输出时使用的 Gradio 组件。组件的数量应与函数返回值的数量一致。

fn 参数非常灵活--你可以传递任何你想用 UI 封装的 Python 函数。在上面的示例中，我们看到的是一个相对简单的函数，但这个函数可以是任何东西，从音乐生成器到税务计算器，再到预训练机器学习模型的预测函数。

inputs 和 outputs 参数包含一个或多个 Gradio 组件。正如我们将看到的，Gradio 包含 30 多个内置组件（如 gr.Textbox() 、 gr.Image() 和 gr.HTML() 组件），专为机器学习应用而设计。

如果函数接受多个参数（如上文所述），则向 inputs 传递一个输入组件列表，每个输入组件依次对应函数的一个参数。如果函数返回一个以上的值，也可以这样做：只需向 outputs 传递一个组件列表即可。这种灵活性使 Interface 类成为创建演示的一种非常强大的方式。

我们将在 "构建界面 " https://www.gradio.app/main/guides/the-interface-class 系列中深入探讨 gr.Interface 。

分享您的演示 

如果不能分享，再漂亮的演示又有什么用呢？Gradio 可以让你轻松分享机器学习演示，而不必担心托管到网络服务器上的麻烦。只需在 launch() 中设置 share=True ，就能为你的演示创建一个可公开访问的 URL。让我们重温一下演示示例，将最后一行修改如下：

import gradio as gr  # 导入gradio库，用于快速创建交互式的机器学习应用程序的Web界面


# 定义一个名为greet的函数，接收一个参数：name
def greet(name):
    # 函数返回一个字符串拼接，内容为向用户打招呼
    return "Hello " + name + "!"


# 创建一个Gradio界面，该界面将包括用于输入和显示结果的文本框
demo = gr.Interface(
    fn=greet,  # 指定greet函数作为用户输入的处理函数
    inputs="textbox",  # 定义用户输入界面为一个文本框
    outputs="textbox"  # 定义输出界面也为一个文本框
)
    
# 启动Gradio界面，并开启共享功能
demo.launch(share=True)  # 通过添加参数share=True来共享应用程序，可以通过互联网访问

运行这段代码后，几秒钟内就会为您的演示生成一个公共 URL，类似于这样：

👉   https://a23dsf231adb.gradio.live

现在，世界各地的任何人都可以通过浏览器试用您的 Gradio 演示，而机器学习模型和所有计算仍在您的计算机上本地运行。

要了解更多关于分享演示的信息，请阅读我们的 Gradio 应用程序分享指南https://www.gradio.app/guides/sharing-your-app 。

Core Gradio Classes

到目前为止，我们已经讨论了 Interface 类，它是一个高级类，可以让我们用 Gradio 快速制作演示。但 Gradio 还包括什么呢？

带有 gr.ChatInterface  的聊天机器人

Gradio 还包含另一个高级类 gr.ChatInterface ，专门用于创建聊天机器人用户界面。与 Interface 类似，你只需提供一个函数，Gradio 就会创建一个完整的聊天机器人用户界面。如果你对创建聊天机器人感兴趣，可以直接跳转到我们专门的 gr.ChatInterface 指南https://www.gradio.app/guides/creating-a-chatbot-fast。

使用 gr.Blocks  的自定义演示

Gradio 还提供了一种底层方法，利用 gr.Blocks 类设计具有更灵活布局和数据流的网络应用程序。通过块，你可以控制组件在页面上的位置，处理复杂的数据流（例如，输出可以作为其他函数的输入），并根据用户交互更新组件的属性/可见性。

您可以使用 gr.Blocks() 构建非常定制和复杂的应用程序。例如，广受欢迎的图像生成器 Automatic1111 Web UI （https://github.com/AUTOMATIC1111/stable-diffusion-webui）就是使用 Gradio 块构建的。我们将在 "使用积木构建 "系列中深入探讨 gr.Blocks（https://www.gradio.app/guides/blocks-and-event-listeners） 。

Gradio Python 和 JavaScript 生态系统 

这就是 gradio Python 核心库的要点，但 Gradio 实际上远不止这些！它是一个由 Python 和 JavaScript 库组成的完整生态系统，让您可以用 Python 或 JavaScript 构建机器学习应用程序，或以编程方式进行查询。以下是 Gradio 生态系统的其他相关部分：

• Gradio Python Client (gradio_client): query any Gradio app programmatically in Python.
  Gradio Python Client ( gradio_client ): 查询任何 用 Python 编程的Gradio 应用程序。https://www.gradio.app/guides/getting-started-with-the-python-client

• Gradio JavaScript Client (@gradio/client): query any Gradio app programmatically in JavaScript.
  Gradio JavaScript Client ( @gradio/client )：使用 JavaScript 程式查詢任何 Gradio 應用程式。https://www.gradio.app/guides/getting-started-with-the-js-client

• Gradio-Lite (@gradio/lite): write Gradio apps in Python that run entirely in the browser (no server needed!), thanks to Pyodide.
  Gradio-Lite ( @gradio/lite ): 多亏了 Pyodide，用 Python 编写的 Gradio 应用程序可以完全在浏览器中运行（无需服务器！）。https://www.gradio.app/guides/gradio-lite

• Hugging Face Spaces: the most popular place to host Gradio applications — for free! 
  Hugging Face Spaces：免费托管 Gradio 应用程序的最受欢迎的地方！https://huggingface.co/spaces

下一步是什么？ 

继续使用 Gradio 指南学习 Gradio，其中包括解释、示例代码和嵌入式交互演示。下一步：让我们深入了解 Interface 类 https://www.gradio.app/guides/the-interface-class 。

或者，如果您已经掌握了基础知识，但还在寻找特定的内容，您可以搜索技术性更强的 API 文档 https://www.gradio.app/docs 。