Gradio快速入门
1060 字
5 分钟
Gradio快速入门
一、什么是Gradio
Gradio是一款基于Python的轻量级Web UI框架,转为机器学习、大模型应用快速构建可交互的演示Demo而生。
- 仅需少量Python代码即可生成完整Web界面
- 原生支持文本、数字、图片、音频、文件等多种交互组件
- 适配模型验证、功能测试、效果演示等多种场景

二、为什么学习Gradio
2-1 直观的可视化验证
将纯代码逻辑转化为图形化交互界面,直观展示模型、API、函数的运行效果;相比控制台输出,调试与演示效率大幅提升。
2-2 快速部署与分享
-
本地一键启动服务,默认占用7860端口,浏览器即可访问
-
内置
share=True参数:通过反向代理机制生成临时公共URL,有效期72小时 -
无需购买域名、无需备案,即可快速将Demo分享给他人体验
2-3 极低的学习成本
-
核心基础代码仅4行左右,Python开发者可快速上手
-
无需掌握HTML、CSS等前端技术,开发者可专注于大模型核心业务逻辑
三、Gradio核心基础用法
导入库:import gradio as gr
定义业务函数:编写需要演示的核心功能逻辑
实例化界面:通过gr.Interface()绑定函数与输入输出组件
启动服务:调用.launch()运行Web服务
import gradio as gr
def greet(name, intensity): return "Hello, " + name + "!" * int(intensity)
demo = gr.Interface( fn=greet, inputs=["text", "slider"], outputs=["text"], api_name="predict")
demo.launch()四、实例
4-1 安装gradio
pip install gradio4-2 新建gradioDemo.py文件
4-2-1 实现输入字符串,输出反转的字符串功能
# 1. 导入Gradio库import gradio as gr
# 2. 定义业务函数:字符串反转def reverse_text(text): return text[::-1]
# 3. 实例化界面,绑定函数与组件demo = gr.Interface( fn=reverse_text, # 核心功能函数 inputs=["text"], # 输入组件:文本输入框 outputs=["text"], # 输出组件:文本输出框 api_name="reverse_text_demo")
# 4. 启动服务demo.launch()选中gradioDemo.py文件,鼠标右键选择Run Python File in Terminal,控制台就会输出运行结果

在浏览器中打开 http://127.0.0.1:7860

在输入框中输入12345,点击Submit按钮,输出框自动输出54321

4-2-2 进阶:调用大模型,实现基本对话功能
第一步:将调用大模型封装成一个函数
import osfrom openai import OpenAIfrom dotenv import load_dotenv# 加载.env文件的 DEEPSEEK_API_KEY="你申请的sk-xxx"load_dotenv()
# 入参含义 text: 用户的输入# 将调用大模型封装成一个方法def get_completion(text): # os.getenv 从当前项目的.env文件中获取DEEPSEEK_API_KEY client = OpenAI( api_key=os.getenv('DEEPSEEK_API_KEY'), base_url="https://api.deepseek.com", ) response = client.chat.completions.create( model="deepseek-v4-pro", messages=[ # {"role": "system", "content": "You are a helpful assistant"}, {"role": "user", "content": text}, ], stream=False, reasoning_effort="hign", extra_body={"thinking": {"type": "enabled"}} ) return response.choices[0].message.content第二步:定义业务函数时返回大模型方法的结果
# 2. 定义业务函数:字符串反转def reverse_text(text): # return text[::-1] # 改为调用封装的大模型方法 return get_completion(text)新建demo.py,最终代码为
import os# 1. 导入Gradio库import gradio as grfrom openai import OpenAIfrom dotenv import load_dotenv# 加载.env文件的 DEEPSEEK_API_KEY="你申请的sk-xxx"load_dotenv()
# 入参含义 text: 用户的输入# 将调用大模型封装成一个方法def get_completion(text): # os.getenv 从当前项目的.env文件中获取DEEPSEEK_API_KEY client = OpenAI( api_key=os.getenv('DEEPSEEK_API_KEY'), base_url="https://api.deepseek.com", )
response = client.chat.completions.create( model="deepseek-v4-pro", messages=[ # {"role": "system", "content": "You are a helpful assistant"}, {"role": "user", "content": text}, ], stream=False, reasoning_effort="high", extra_body={"thinking": {"type": "enabled"}} ) # print(response.choices[0].message.content) return response.choices[0].message.content
# 2. 定义业务函数def reverse_text(text): # 字符串反转 # return text[::-1] # 改为调用封装的大模型方法 return get_completion(text)
# 3. 实例化界面,绑定函数与组件demo = gr.Interface( fn=reverse_text, # 核心功能函数 inputs=["text"], # 输入组件:文本输入框 outputs=["text"], # 输出组件:文本输出框 api_name="reverse_text_demo")
# 4. 启动服务demo.launch()选中demo.py文件,鼠标右键选择Run Python File in Terminal,控制台就会输出运行结果
注意:之前运行的控制台一定要关闭,不然7860端口被占用,会报错。
在浏览器中打开 http://127.0.0.1:7860
输入你好,点击Submit,返回大模型返回的结果

支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!












