借助Gradio制作AI体验活动的教学课件

摘要：Gradio是一个用于构建机器学习或者数据科学算法演示的开源库，数行代码即可搭建出一个Web交互界面。本文从教师搭建用于学生体验AI活动的教学课件这一需求出发，介绍了Gradio的安装和基本语法，并结合一个车牌识别模型的部署案例，呈现了Gradio的强大功能和教学价值。

关键词：人工智能教育；教学课件；模型部署

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2023）13-0085-03

为激发学习兴趣，教师在介绍图像分类、目标检测之类的人工智能技术时，总希望能制作一些个性化的展示AI应用的教学课件，让学生深度体验AI的强大功能。在《用PyWebIO“交互”呈现人工智能学习成果》一文中，我介绍了用PyWebIO来部署AI模型，并形成一个交互网页的案例。但PyWebIO存在一些不足，如界面不够美观、不支持页面布局、不支持Jupyter，也不支持摄像头和麦克风等。前段时间，在本地部署Stable fuffsion的时候，我无意中找到了一款AI模型可视化演示的工具，即Gradio。经过深度测试，我认为它很适合用于教学演示。

Gradio是为模型部署而生的工具

Gradio是一个开源的Python库，用于构建演示机器学习、数据科学或者Web应用的程序。使用Gradio，用户可以快速为机器学习模型或数据科学工作流创建一个漂亮的Web交互界面，让用户可以在浏览器上执行输入文本、上传图像和录制声音等操作，与演示程序进行交互（如图1）。

值得强调的是，国内外多个人工智能模型托管网站都内置了Gradio，如Hugging Face、OpenXLab浦源、启智AI协作平台等。可以说，Gradio是一个主流的AI模型快速部署工具。

Gradio的安装和语法基础

Gradio支持pip安装，即“pip install gradio”。库很小，关联的依赖库也很少，Python3.7以上即可安装。（文档地址为：https：//gradio.app/docs/）

Gradio的核心函数是Interface类，通过fn、inputs、ouputs这三个参数进行初始化，其中，“fn”为关联的函数，“inputs”为输入组件类型，“ouputs”为输出组件类型。通过这三个参数，可以快速创建一个接口并发布如图2所示的程序。

运行图2所示的代码，访问“http：//127.0.0.1：7860”，即可打开一个网页，如图3所示。其中左边为输入端，右边为输出端。

从上面的例子可以看到，输入的内容为fn关联函数“greet”的“name”参数值，“greet”返回的数据即输出的内容。Interface对象还可以处理很多类型的数据，如：输入类型有“text”“image”和“audio”等，甚至还支持“sketchpad”涂鸦板；输出类型则有“text”“image”和“label”等。

用Gradio搭建基于Web的AI应用

以一个车牌识别模型的部署为例，当用XEdu的Det（目标识别）模块训练出一个车牌识别模型后，在模型推理的代码中增加数行代码，即可实现在Web页面推理模型，参考代码如图4所示。

Gradio直接支持在Jupyter中运行代码，并以嵌入帧的方式显示在Jupyter笔记中，特别适合教学演示，如下页图5所示。

Gradio的高级应用

虽然Gradio语法简单，但功能却非常强大，尤其是在多模态交互方面。下面简单介绍如何调用摄像头和麦克风，以及实现外部（互联网）访问。

1.调用摄像头和麦克风

只要将inputs参数设为“gr.Image（source='webcam'，type='pil'）”，就能在网页上唤起摄像头。使用方式是点击一次“拍照”图标，即上传一张照片。我们甚至可以用这种方式来收集图片，制作简单的数据集。同样，只要将inputs参数设为"microphone"，就能在网页上使用麦克风了。

2.创建一个外部访问链接

创建外部访问链接有两个作用，一是可以让外网访问内网电脑运行的代码，二是可以访问一些本来不支持Web访问的服务器，如使用容器（Docker）技术运行代码的平台。只需要在launch函数中增加“share=True”的参数，在程序启动时的打印信息中会看到外部访问链接。免费用户的链接可以使用24小时，想要长期的话需要在Gradio官方购买云服务。借助这一功能，我们可以随时在浦育平台或者Mo平台上建一个临时的应用分享网页。

总结

在部署Stable fuffsion时第一次见到Gradio，我就和其他老师一起讨论了其教育价值。它除了用于做教学演示课件外，还可以用来设计一些AI模型的体验作品。比如，将一些复杂的模型部署在迷你电脑或者一体机中，放在实验室或者科技馆的公共区域，供学生使用。

此外，随着Keras、XEdu等这些门槛较低的深度学习工具的普及，学生基于真实问题进行数据收集和模型训练也将越来越普遍。那么，教师也可以借助Gradio将学生的学习成果（模型）部署为人工智能应用，直观形象地呈现他们的学习成果，一定能够极大地提高学生学习的收获感。

参考文献：

[1]谢作如.用PyWebIO“交互”呈现人工智能学习成果[J].中国信息技术教育，2021（15）：82-84.

[2]谢作如.用新一代人工智能技术解决真实问题—谈中小学AI科创活动的开展[J].中国信息技术教育，2022（13）：5-8.