python系列&deep_study系列：Gradio中文教程（六）The 4 Kinds of Gradio Interfaces
Gradio中文教程（六）The 4 Kinds of Gradio Interfaces
Gradio中文教程（六）The 4 Kinds of Gradio Interfaces
四种Gradio接口
到目前为止，我们一直假设为了构建一个Gradio演示，您需要同时有输入和输出。但对于机器学习演示来说，情况并非总是如此：例如，无条件图像生成模型不接受任何输入，但会产生一个图像作为输出。
事实证明，gradio.Interface类实际上可以处理四种不同类型的演示：
-
标准演示：既有单独的输入也有输出（例如图像分类器或语音转文本模型）
-
仅输出演示：不接受任何输入，但产生一个输出（例如无条件图像生成模型）
-
仅输入演示：不产生任何输出，但确实接受某种输入（例如一个演示，它将您上传的图像保存到一个持久的外部数据库）
-
统一演示：既有输入组件也有输出组件，但输入和输出组件是相同的。这意味着产生的输出覆盖了输入（例如文本自动完成模型）
根据演示的类型，用户界面（UI）看起来略有不同：
让我们看看如何使用Interface类构建每种类型的演示，并附带示例：
标准演示
要创建一个既有输入组件又有输出组件的演示，您只需在Interface()中设置inputs和outputs参数的值。这里是一个简单的图像过滤器的示例演示：
import numpy as np
import gradio as gr
def sepia(input_img):
sepia_filter = np.array([
[0.393, 0.769, 0.189],
[0.349, 0.686, 0.168],
[0.272, 0.534, 0.131]
])
sepia_img = input_img.dot(sepia_filter.T)
sepia_img /= sepia_img.max()
return sepia_img
demo = gr.Interface(sepia, gr.Image(), "image")
demo.launch()
仅输出演示
对于只包含输出的演示呢？为了构建这样的演示，您只需将Interface()中inputs参数的值设置为None。这里是一个模拟图像生成模型的示例演示：
import time
import gradio as gr
def fake_gan():
time.sleep(1)
images = [
"https://images.unsplash.com/photo-1507003211169-0a1dd7228f2d?ixlib=rb-1.2.1&ixid=MnwxMjA3fDB8MHxwaG90by1wYWdlfHx8fGVufDB8fHx8&auto=format&fit=crop&w=387&q=80",
"https://images.unsplash.com/photo-1554151228-14d9def656e4?ixlib=rb-1.2.1&ixid=MnwxMjA3fDB8MHxwaG90by1wYWdlfHx8fGVufDB8fHx8&auto=format&fit=crop&w=386&q=80",
"https://images.unsplash.com/photo-1542909168-82c3e7fdca5c?ixlib=rb-1.2.1&ixid=MnwxMjA3fDB8MHxzZWFyY2h8MXx8aHVtYW4lMjBmYWNlfGVufDB8fDB8fA%3D%3D&w=1000&q=80",
]
return images
demo = gr.Interface(
fn=fake_gan,
inputs=None,
outputs=gr.Gallery(label="Generated Images", columns=[2]),
title="FD-GAN",
description="This is a fake demo of a GAN. In reality, the images are randomly chosen from Unsplash.",
)
demo.launch()
仅输入演示
类似地，要创建一个只包含输入的演示，将Interface()中outputs参数的值设置为None。这里是一个将任何上传的图像保存到磁盘的示例演示：
import random
import string
import gradio as gr
def save_image_random_name(image):
random_string = ''.join(random.choices(string.ascii_letters, k=20)) + '.png'
image.save(random_string)
print(f"Saved image to {random_string}!")
demo = gr.Interface(
fn=save_image_random_name,
inputs=gr.Image(type="pil"),
outputs=None,
)
demo.launch()
统一演示
一个演示，其单个组件既是输入也是输出。只需将inputs和outputs参数的值设置为相同的组件即可创建这样的演示。这里是一个文本生成模型的示例演示：
import gradio as gr
from transformers import pipeline
generator = pipeline('text-generation', model = 'gpt2')
def generate_text(text_prompt):
response = generator(text_prompt, max_length = 30, num_return_sequences=5)
return response[0]['generated_text']
textbox = gr.Textbox()
demo = gr.Interface(generate_text, textbox, textbox)
demo.launch()
