# Python的一个非常cool的库Gradio

简介: # Python的一个非常cool的库Gradio

Python的一个非常cool的库Gradio
Gradio简介
Gradio是一个开源的Python库,它允许用户为机器学习模型、API或任何Python函数快速构建演示或Web应用程序。Gradio的目标是简化AI模型的可视化和交互过程,使得即使没有前端开发背景的用户也能够轻松地创建和分享他们的工作。

Gradio的特点

  • 自动生成页面且可交互:Gradio可以自动生成带有交互功能的网页,用户可以通过这些网页与AI模型进行实时互动。
  • 改动几行代码就能完成:用户只需要在原有的代码中增加少量的Gradio调用代码,就能将函数转化为可交互的Web界面。
  • 支持自定义多种输入输出:Gradio支持多种输入输出类型,如文本、图像、音频等,可以灵活地适应不同的应用场景。
  • 支持生成可外部访问的链接:Gradio可以生成可以通过互联网访问的链接,方便用户分享他们的工作成果。

Gradio的使用方法
安装Gradio:首先,确保你的系统中已安装Python 3.8或更高版本。然后,使用pip命令

  1. 安装Gradio:

    pip install gradio
    
  2. 编写函数:定义一个Python函数,作为Gradio界面的处理函数。

  3. 创建接口:使用gr.Interface类创建一个新的接口实例,传递你的函数以及输入和输出的类型。
  4. 启动服务器:使用launch方法启动Gradio服务器,它会在本地打开一个网页,你可以通过这个网页与你的函数进行交互。

例如,以下是一个简单的"Hello World"示例:

import gradio as gr

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

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

在浏览器中输入http://localhost:7860,即可看到运行结果。

Gradio的应用场景
Gradio广泛应用于机器学习模型的演示和测试,尤其适合那些需要与用户进行实时交互的场景。例如,图像分类、自然语言处理、推荐系统等领域的模型都可以通过Gradio进行可视化展示。此外,Gradio还被用于创建教育工具、游戏、艺术作品等多种有趣的应用。

应用案例
1. 查看自己上网的公网IP
虽然这个小工具软件很简单,但是用起来很方便而且界面也不错。还可以增加其他功能,大家自己体验。

源码如下:

import gradio as gr
import requests

def get_public_ip():
    try:
        response = requests.get('https://api.ipify.org')
        public_ip = response.text.strip()
        return public_ip
    except requests.exceptions.RequestException as e:
        print(f"Error: {e}")
        return None

def main():
    ip_textbox = gr.Textbox(placeholder="Public IP Address")

    def update_ip():
        public_ip = get_public_ip()
        if public_ip:
            return public_ip
        else:
            return "Failed to retrieve your public IP address."

    iface = gr.Interface(
        fn=update_ip,
        inputs=None,
        outputs=ip_textbox,
        title="Public IP Address"
    )
    iface.launch()

if __name__ == "__main__":
    main()

运行结果如下图:
image.png

2. 小型资料检索
我平时学习用到一些资料和工具,为了方便,正好利用gradio库实现这个功能。

源码如下:

import gradio as gr


# 工具字典,你可以根据实际情况进行修改
security_tools = {
   
    "网络安全": [
        {
   
            "name": "工具1",
            "url": "http://example.com/tool1",
            "usage": "工具1的使用方法..."
        },
        # 添加更多的网络安全工具
    ],
    "Rootkit病毒查杀": [
        {
   
            "name": "chkrootkit",
            "url": "http://www.chkrootkit.org",
            "usage": "wget ftp://ftp.pangeia.com.br/pub/seg/pac/chkrootkit.tar.gz"
        },
        {
   "name": "rkhunter",
         "url": "http://rkhunter.sourceforge.net",
         "usage": "wget https://nchc.dl.sourceforge.net/project/rkhunter/rkhunter/1.4.4/rkhunter-1.4.4.tar.gz",
         },],
    "病毒查杀":[
        {
   
            "name": "Clamav",
            "url": "http://www.clamav.net/download.html",
            "usage": "wget http://nchc.dl.sourceforge.net/project/libpng/zlib/1.2.7/zlib-1.2.7.tar.gz",
        },],
    "webshell查杀":[
        {
   
            "name":"河马webshell查杀",
            "url":"http://www.shellpub.com",

        },
        {
   
            "name": "深信服webshell网站后门检测工具",
            "url":"http://edr.sangfor.com.cn/backdoor_detection.html",

        }
    ],

    # 添加其他类别的工具
    "网络安全在线工具箱": [
        {
   
            "name":"个人安全检查表",
            "url": "https://digital-defense.io/",
        },
        {
   
            "name":"感染IOT设备的在线地图统计",
            "url":"https://dashboard.shadowserver.org/zh-hans/"
        },
        {
   
            "name":"在线 C2 追踪",
            "url":"https://tracker.viriback.com/",
        },
        {
   
            "name":"调查互联网上任何主机的威胁情报网站",
            "url":"https://threatyeti.com/"
        },
        {
   
            "name":"源代码搜索引擎",
            "url":"https://publicwww.com/",
        },
        {
   
            "name":"在线靶场",
            "url":"https://labs.hackxpert.com/"
        }

    ]
}


def display_tools(category):
    tools = security_tools.get(category)
    if tools:
        result = ''
        for tool in tools:
            result += f"\n工具名称: {tool['name']}\n"
            result += f"网址: {tool['url']}\n"
            result += f"使用方法: {tool.get('usage', '请在网站上看说明')}\n"
        return result
    else:
        return "对不起,我们没有这个类别的工具。"


iface = gr.Interface(fn=display_tools,
                     inputs=gr.Dropdown(choices=list(security_tools.keys())),
                     outputs='text')

if __name__ == "__main__":
    iface.launch()

运行结果如下图:
image.png
image.png

以上是我个人对gradio库的一点应用体会与大家分享,欢迎点赞、转发、收藏、关注。

相关文章
|
JavaScript 前端开发 Java
通义灵码 Rules 库合集来了,覆盖Java、TypeScript、Python、Go、JavaScript 等
通义灵码新上的外挂 Project Rules 获得了开发者的一致好评:最小成本适配我的开发风格、相当把团队经验沉淀下来,是个很好功能……
2130 103
|
9月前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
2124 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
9月前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
864 0
|
11月前
|
存储 Web App开发 前端开发
Python + Requests库爬取动态Ajax分页数据
Python + Requests库爬取动态Ajax分页数据
|
8月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
823 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
8月前
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
599 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
机器学习/深度学习 存储 数据挖掘
Python图像处理实用指南:PIL库的多样化应用
本文介绍Python中PIL库在图像处理中的多样化应用,涵盖裁剪、调整大小、旋转、模糊、锐化、亮度和对比度调整、翻转、压缩及添加滤镜等操作。通过具体代码示例,展示如何轻松实现这些功能,帮助读者掌握高效图像处理技术,适用于图片美化、数据分析及机器学习等领域。
735 20
|
10月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
663 18
|
11月前
|
JSON 网络安全 数据格式
Python网络请求库requests使用详述
总结来说,`requests`库非常适用于需要快速、简易、可靠进行HTTP请求的应用场景,它的简洁性让开发者避免繁琐的网络代码而专注于交互逻辑本身。通过上述方式,你可以利用 `requests`处理大部分常见的HTTP请求需求。
786 51
|
10月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
967 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程

推荐镜像

更多