gradio入门示例

随着chat-gpt等机器人对话框架的流行，让一个名为gradio的框架也火热起来，这个框架可以开启一个http服务，并且带输入输出界面，可以让对话类的人工智能项目快速运行。

gradio号称可以快速部署ai可视化项目。

下面通过两个示例来感受一下，首先我们需要安装gradio库。

pip install gradio

接着编写如下的代码，用户输入一个字符串xxx，提交之后，输出一个hello,xxx 。

import gradio as gr


def hello(name):
    return "hello," + name + "!"


def launch():
    demo = gr.Interface(fn=hello, inputs='text', outputs='text')
    demo.launch()


if __name__ == '__main__':
    launch()

运行这段代码，可以开启7860端口监听http服务，浏览器访问http://localhost:7860，可以打开如下界面：

再编写一个示例，是关于图像识别的，代码如下：

import torch
from PIL import Image
from torchvision import transforms
import gradio as gr
import json

with open('imagenet-simple-labels.json', 'r') as load_f:
    labels = json.load(load_f)
model = torch.hub.load("pytorch/vision:v0.6.0", "resnet18", pretrained=True).eval()


def predict(inp):
    inp = Image.fromarray(inp.astype("uint8"), "RGB")
    inp = transforms.ToTensor()(inp).unsqueeze(0)
    with torch.no_grad():
        prediction = torch.nn.functional.softmax(model(inp)[0], dim=0)
    return {labels[i]: float(prediction[i]) for i in range(1000)}


inputs = gr.Image()
outputs = gr.Label(num_top_classes=3)
demo = gr.Interface(fn=predict, inputs=inputs, outputs=outputs)

if __name__ == '__main__':
    demo.launch()

运行代码，会下载pytorch/vision:v0.6.0版本，并下载一个resnet18的模型文件：resnet18-f37072fd.pth到用户目录下的.cache\torch\hub\checkpoints\目录下。

运行打印信息如下：

我们打开浏览器http://localhost:7860，在界面上选择我们事先准备好的豹子和狗的图片：

这里识别了豹子，显示cheetah。

换一只狗的再试一下：

识别结果为一只拉布拉多。

代码中设置了三个最可能的结果，outputs = gr.Label(num_top_classes=3)，所以这里会列出最有可能的三种情况。

以上代码运行的时候报了警告：

D:\Program Files\Python\Python310\lib\site-packages\torchvision\models\_utils.py:208: UserWarning: The parameter 'pretrained' is deprecated since 0.13 and may be removed in the future, please use 'weights' instead.
warnings.warn(
D:\Program Files\Python\Python310\lib\site-packages\torchvision\models\_utils.py:223: UserWarning: Arguments other than a weight enum or `None` for 'weights' are deprecated since 0.13 and may be removed in the future. The current behavior is equivalent to passing `weights=ResNet18_Weights.IMAGENET1K_V1`. You can also use `weights=ResNet18_Weights.DEFAULT` to get the most up-to-date weights.
warnings.warn(msg)

意思是 torch.hub.load加载模型的时候，pretrained参数过时了，可以使用weights=ResNet18_Weights.DEFAULT替代。

修改代码之后，就不报警告了。如下所示：

官网的例子，文中有个文件来自https://git.io/JJkYN，现在已经无法下载了，但是它可以直接在github找到：https://raw.githubusercontent.com/anishathalye/imagenet-simple-labels/master/imagenet-simple-labels.json

这里就是提前下载，然后通过json读取，内容是1000个目标标签。

猜你喜欢