视频加载失败

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

Gradio官网

Gradio官网
Gradio官网

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#

  1. 本地一键启动服务,默认占用7860端口,浏览器即可访问

  2. 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

  3. 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#

  1. 核心基础代码仅4行左右,Python开发者可快速上手

  2. 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 gradio

4-2 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

控制台会显示运行地址
控制台会显示运行地址

在浏览器中打开 http://127.0.0.1:7860

浏览器页面展示
浏览器页面展示

在输入框中输入12345,点击Submit按钮,输出框自动输出54321

浏览器页面展示
浏览器页面展示

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 os
from openai import OpenAI
from 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 gr
from openai import OpenAI
from 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

大模型返回结果
大模型返回结果

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!

打赏
Gradio快速入门
https://gaodaxiu-blog.netlify.app/posts/guide/4gradio快速入门/
作者
MuZhao
发布于
2026-10-19
许可协议
CC BY-NC-SA 4.0
Profile Image of the Author
MuZhao
Hello, I'm GaoDaXiu.
公告
欢迎来到我的博客!
分类
标签
最新动态
站点统计
文章
124
分类
25
标签
147
总字数
180,592
运行时长
0 天
最后活动
0 天前
站点信息
构建平台
Netlify CI
博客版本
Firefly v6.16.8
文章许可
CC BY-NC-SA 4.0
文章目录