html做游戏网站,网站建设公司营销话术,找百度,公司必备的几个部门gradio是一款基于python的算法快速部署工具#xff0c;本博文主要介绍使用gradio部署目标检测、图像分类、语义分割模型的部署。相比于flask#xff0c;使用gradio不需要自己构造前端代码#xff0c;只需要将后端接口写好即可。此外#xff0c;基于gradio实现的项目#x…gradio是一款基于python的算法快速部署工具本博文主要介绍使用gradio部署目标检测、图像分类、语义分割模型的部署。相比于flask使用gradio不需要自己构造前端代码只需要将后端接口写好即可。此外基于gradio实现的项目可以托管到huggingface。
官网地址https://www.gradio.app/guides/quickstart 文档地址https://www.gradio.app/docs/interface 优质教程https://zhuanlan.zhihu.com/p/624712372 安装命令pip install gradio
托管到huggingface具体步骤如下
1、基本用法
1.1 输入图像返回文本
基本使用方法如下所示
import gradio as grdef image_classifier(inp):return {cat: 0.3, dog: 0.7}demo gr.Interface(fnimage_classifier, inputsimage, outputslabel)
demo.launch()每一个参数的描述如下所示 页面部署效果如下所示
1.2 输入文本返回文本
import random
import gradio as grdef random_response(message, history):return random.choice([Yes message, Nomessage])demo gr.ChatInterface(random_response, examples[hello, hola, merhaba], titleEcho Bot)if __name__ __main__:demo.launch()1.3 输入图像返回图像
import numpy as np
import gradio as gr
def sepia(input_img):#处理图像sepia_filter np.array([[0.393, 0.769, 0.189],[0.349, 0.686, 0.168],[0.272, 0.534, 0.131]])sepia_img input_img.dot(sepia_filter.T)sepia_img / sepia_img.max()return sepia_img
#shape设置输入图像大小
#demo gr.Interface(sepia, gr.Image(height200, width200), image)
demo gr.Interface(sepia, inputsgr.Image(), outputsimage)
demo.launch()2、部署模型
以下部署代码中的ppDeploy 源自博客paddle 57 基于paddle_infer以面向对象方式2行代码部署目标检测模型、图像分类模型、语义分割模型
2.1 图像分类
部署代码如下所示
from ppDeploy import *
import gradio as gr
from PIL import ImageclsclsModel(model/resnet50/,imagenet1000.txt,imgsz256)
def cls_predict(input_img):rescls.forword(input_img,topk5)print(res)return resif __name____main__:gr.close_all() demo gr.Interface(fn cls_predict,inputs gr.Image(typepil), outputs gr.Label(num_top_classes5), examples [examples/1.jpg,examples/2.jpg,examples/3.jpg,examples/4.jpg,examples/5.jpg,])demo.launch()部署效果如下所示
2.2 目标检测
部署代码如下所示其特点是输入为imagefloat输出为flaot然后examples 需要给出多个在显示时变成了表格 from ppDeploy import *
import gradio as gr
from PIL import Image#clsclsModel(model/resnet50/,imagenet1000.txt,imgsz256)
detdetModel(model/ppyoloe_m/,object365.txt,imgsz640)
def det_predict(input_img,conf):resdet.forword(input_img,conf)return res
if __name____main__:gr.close_all() #demo gr.Interface(fn cls_predict,inputs gr.Image(typepil), outputs gr.Label(num_top_classes5), examples [examples/1.jpg,examples/2.jpg,examples/3.jpg,examples/4.jpg,examples/5.jpg,])demo gr.Interface(fn det_predict,inputs [gr.Image(typepil),gr.Number(precision2,minimum0.01,maximum1,value0.3)], outputs image,examples [[examples/1.jpg,0.3],[examples/2.jpg,0.3],[examples/3.jpg,0.3],[examples/4.jpg,0.3],[examples/5.jpg,0.3],])demo.launch()运行效果如下所示
通过对部署代码进行修改examples仅给出一个nx1的二维数组其又变成了图片列表
from ppDeploy import *
import gradio as gr
from PIL import Image#clsclsModel(model/resnet50/,imagenet1000.txt,imgsz256)
detdetModel(model/ppyoloe_m/,object365.txt,imgsz640)
def det_predict(input_img,conf):resdet.forword(input_img,conf)return res
if __name____main__:gr.close_all() #demo gr.Interface(fn cls_predict,inputs gr.Image(typepil), outputs gr.Label(num_top_classes5), examples [examples/1.jpg,examples/2.jpg,examples/3.jpg,examples/4.jpg,examples/5.jpg,])demo gr.Interface(fn det_predict,inputs [gr.Image(typepil),gr.Number(precision2,minimum0.01,maximum1,value0.3)], outputs image,examples [[examples/1.jpg],[examples/2.jpg],[examples/3.jpg],[examples/4.jpg],[examples/5.jpg],])demo.launch()此时执行效果如下所示
2.3 语义分割
部署代码如下
from ppDeploy import *
import gradio as gr
from PIL import Image#clsclsModel(model/resnet50/,imagenet1000.txt,imgsz256)
#detdetModel(model/ppyoloe_m/,object365.txt,imgsz640)
segsegModel(model/segformerb1/,imgsz1024)
def seg_predict(input_img,conf):resseg.forword(input_img,conf)return res
if __name____main__:gr.close_all() #demo gr.Interface(fn cls_predict,inputs gr.Image(typepil), outputs gr.Label(num_top_classes5), examples [examples/1.jpg,examples/2.jpg,examples/3.jpg,examples/4.jpg,examples/5.jpg,])demo gr.Interface(fn seg_predict,inputs [gr.Image(typepil)], outputs image,examples [examples/1.jpg,examples/2.jpg,examples/3.jpg,examples/4.jpg,examples/5.jpg,])demo.launch()部署效果如下
3、同时部署多个模型
3.1 部署代码
通过以下代码可以用选项卡的形式同时部署3个模型。 以下代码中通过with gr.Tab(图像分类):可以开启一个新的选项卡通过with gr.Row():可以强制是控件在同一行通过with gr.Column():可以强制使控件在同一列。具体效果图见章节3.2 from ppDeploy import *
import gradio as gr
from PIL import Imagewith gr.Blocks() as demo:gr.Markdown(功能选项卡)with gr.Tab(图像分类):cls_input gr.Image(typepil)cls_button gr.Button(submit,)cls_output gr.Label(num_top_classes5)gr.Examples(examples[examples/1.jpg,examples/2.jpg,examples/3.jpg,examples/4.jpg,examples/5.jpg,],inputs[cls_input])with gr.Tab(语义分割):with gr.Row():with gr.Column():seg_input gr.Image(typepil)seg_button gr.Button(submit)with gr.Column():seg_output gr.Image(typepil)gr.Examples(examples[examples/1.jpg,examples/2.jpg,examples/3.jpg,examples/4.jpg,examples/5.jpg,],inputs[seg_input])with gr.Tab(目标检测):with gr.Row():with gr.Column():det_input_image gr.Image(typepil)det_input_number gr.Number(precision2,minimum0.01,maximum1,value0.3,label置信度)det_button gr.Button(submit)with gr.Column():det_output gr.Image(typepil)gr.Examples(examples[examples/1.jpg,examples/2.jpg,examples/3.jpg,examples/4.jpg,examples/5.jpg,],inputs[det_input_image])#[[examples/1.jpg],[examples/2.jpg],[examples/3.jpg],[examples/4.jpg],[examples/5.jpg],[examples/6.jpg],]with gr.Accordion(功能说明):gr.Markdown(点击选项卡可以切换功能选项点击Examples中的图片可以使用示例图片)clsclsModel(model/resnet50/,imagenet1000.txt,imgsz256)detdetModel(model/ppyoloe_m/,object365.txt,imgsz640)segsegModel(model/segformerb1/,imgsz1024)cls_button.click(cls.forword, inputscls_input, outputscls_output)seg_button.click(seg.forword, inputsseg_input, outputsseg_output)det_button.click(det.forword, inputs[det_input_image,det_input_number], outputsdet_output)if __name__ __main__:demo.launch()
3.2 部署效果
图像分类效果 语义分割效果 目标检测效果
