Gradio 界面的 4 种类型

到目前为止，我们一直假设为了构建 Gradio 演示，您需要同时具备输入和输出。但这并非总是机器学习演示的情况：例如，无条件图像生成模型不需要任何输入，但会生成图像作为输出。

事实证明，gradio.Interface 类实际上可以处理 4 种不同类型的演示

标准演示：具有独立的输入和输出（例如，图像分类器或语音转文本模型）
仅输出演示：不需要任何输入但产生输出（例如，无条件图像生成模型）
仅输入演示：不产生任何输出，但确实需要某种输入（例如，将您上传的图像保存到持久外部数据库的演示）
统一演示：同时具有输入和输出组件，但输入和输出组件是相同的。这意味着产生的输出会覆盖输入（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，以及示例

标准演示

要创建同时具有输入和输出组件的演示，您只需在 Interface() 中设置 inputs 和 outputs 参数的值。这是一个简单的图像过滤器示例演示

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

那么仅包含输出的演示呢？为了构建这样的演示，您只需在 Interface() 中将 inputs 参数的值设置为 None。这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

同样，要创建仅包含输入的演示，请将 Interface() 中的 outputs 参数的值设置为 None。这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，其中单个组件既作为输入又作为输出。只需将 inputs 和 outputs 参数的值设置为相同的组件即可创建它。这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()

可能这 4 种情况都不能完全满足您的需求。在这种情况下，您需要使用 gr.Blocks() 方法！