前言

在AI快速发展的今天，我们作为算法开发人员，也应该有一些趁手的工具帮助我们快速开发并验证自己的想法，Gradio可以实现快速搭建和共享的功能，能够展示出一个前端界面，把我们的算法包裹起来，快速验证算法的有效性，文档也丰富，通俗易懂，喜欢的小伙伴可以学一手。

环境安装

使用pip install安装

gradio
gradio_client
torch
torchvision

代码

完整代码链接：

链接: https://pan.baidu.com/s/1x4ZTN7cTASv8cZe_iBoYVw

提取码: r425

from torchvision import transforms
import gradio as gr
import torchmodel = torch.hub.load('pytorch/vision:v0.6.0', 'resnet18', pretrained=True).eval()# 打开文本文件
file_path = 'labels.txt'  # 将文件路径替换为你实际的文本文件路径
with open(file_path, 'r') as file:# 读取文件内容labels = file.readlines()
#去掉每个label的换行符
labels = [label.rstrip() for label in labels]#预测函数
def predict(inp):inp = transforms.ToTensor()(inp).unsqueeze(0)with torch.no_grad():prediction = torch.nn.functional.softmax(model(inp)[0], dim=0)confidences = {labels[i]: float(prediction[i]) for i in range(1000)}return confidences#fn表示触发函数，当我们点击提交按钮时，触发predict函数进行推理
#inputs表示图像会被转换为PIL.Image格式
#outputs将以label的形式展示出来
#examples可以将图片作为示例展示出来，供用户使用
gr.Interface(fn=predict,inputs=gr.Image(type="pil"),outputs=gr.Label(num_top_classes=3),examples=["sheep.jpeg", "panda.jpg", "dog.jpg", "tiger.jpg"]).launch()

运行

 点击http://127.0.0.1:7860,会出现前端展示页面

页面展示

参考链接：

 Gradio Interface Docs

 Image Classification In Pytorch