【Python小技巧】使用Gradio轻松部署AI算法结果可视化Web 应用（含图片转换、验证码识别完整源码）-Toy模板网

这篇具有很好参考价值的文章主要介绍了【Python小技巧】使用Gradio轻松部署AI算法结果可视化Web 应用（含图片转换、验证码识别完整源码）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

前言

随着人工智能的不断发展，各种智能算法越来越普遍，但是这些算法结果通常显示在cmd命令窗口里。有没有一种方法可以动态展示，更具需要计算后动态展现？

答案是有！

下面让我了解一下Gradio库，只需寥寥几行代码就可以展现出chatGPT的对话窗口，是不是很nice！

一、Gradio是什么？

Gradio是一个开源的 Python 库，用于构建机器学习和数据科学演示和 Web 应用。

官网：https://www.gradio.app/

Gradio适用于:

演示客户/合作者/用户/学生的机器学习模型。
部署通过自动共享链接快速创建模型，并获得模型性能反馈。
排除故障使用内置的操作和解释工具，在开发过程中以交互方式处理您的模型。

案例展示：https://huggingface.co/spaces/hysts/insightface-SCRFD
安装包：https://pypi.org/project/gradio/
Github：https://github.com/gradio-app/gradio

二、使用Gradio构建基本的 Web 应用

安装gradio库

pip install gradio -i https://pypi.tuna.tsinghua.edu.cn/simple

简单用例：

import gradio as gr

def sayhello(name):
    return "Hello " + name + "!"

demo = gr.Interface(fn=sayhello, inputs="text", outputs="text")
demo.launch()

fn：具体调用的功能函数

inputs：输入内容格式，比如"text"，"image"等。

outputs：输出结果格式，同inputs

运行后出现如下窗口即算成功。
按提示用浏览器打开http://127.0.0.1:7860/

以上是Gradio构建Web应用的基本展示，下面我们修改一下sayhello函数，改成我们想要的算法。

三、使用Gradio构建彩色图片转灰度图片的Web 应用

安装cv2库（安装库名为：opencv-python）

pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

彩色图片转灰度图片的Web 应用源代码

import gradio as gr
import cv2

def color2black(image):
    output = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    return output

interface = gr.Interface(fn=color2black, inputs="image", outputs="image")
interface.launch()

运行后，按提示用浏览器打开http://127.0.0.1:7860/。点击左侧上传图片后提交，右侧即可看到转换后的图片（彩色图片变灰度图片）。

结果如上图，是不是很简单？

四、使用Gradio构建验证码识别方法验证的Web 应用

这里我们使用ddddocr，它是一款专门识别各类验证码的库，具体用法网上很多，我们这里只是展现一下算法的运行与结果展示。

先安装ddddocr库：

pip install ddddocr -i https://pypi.tuna.tsinghua.edu.cn/simple

验证码识别方法验证的Web 应用完整代码如下：

import gradio as gr
import cv2
import ddddocr
def img2yzm(image):
    img = r"C:\yzm.jpg"
    cv2.imwrite(img, image)
    ocr = ddddocr.DdddOcr()
    with open(img, 'rb') as f:
        img_bytes = f.read()
    res = ocr.classification(img_bytes)
    print('识别结果为：',res)
    return res
    
interface = gr.Interface(fn=img2yzm, inputs="image", outputs="text")
interface.launch()