Gradio入门快速搭建AI算法可视化部署演示(以使用OCR模型unirec为例)（转）

https://cloud.tencent.com/developer/article/2277060

常用的两款AI可视化交互应用比较：

• Gradio Gradio的优势在于易用性，代码结构相比Streamlit简单，只需简单定义输入和输出接口即可快速构建简单的交互页面，更轻松部署模型。适合场景相对简单，想要快速部署应用的开发者。便于分享：gradio可以在启动应用时设置share=True参数创建外部分享链接，可以直接在微信中分享给用户使用。

方便调试：gradio可以在jupyter中直接展示页面，更加方便调试。

• Streamlit Streamlit的优势在于可扩展性，相比Gradio复杂，完全熟练使用需要一定时间。可以使用Python编写完整的包含前后端的交互式应用。适合场景相对复杂，想要构建丰富多样交互页面的开发者。

Gradio官网链接：https://gradio.app/

1. 安装&基本用法

Python第三方库Gradio快速上手，当前版本V3.27.0

pip install gradio#为了更快安装，可以使用清华镜像源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gradio

1.1 快速入门

 
import gradio as gr
#输入文本处理程序
def greet(name):return "Hello " + name + "!"
#接口创建函数
#fn设置处理函数，inputs设置输入接口组件，outputs设置输出接口组件
#fn,inputs,outputs都是必填函数
demo = gr.Interface(fn=greet, inputs="text", outputs="text")
demo.launch()

 

运行程序后，打开 http://localhost:7860 即可看到网页效果。左边是文本输入框，右边是结果展示框。Clear按钮用于重置网页状态，Submit按钮用于执行处理程序，Flag按钮用于保存结果到本地。

 如果有了测试DEMO ,

 

 

来自复旦大学 FVL 实验室的 OpenOCR 工具箱，以及其核心模型 UniRec-0.1B。

作为一个长期关注 OCR 领域发展的技术人，我必须说，这个项目的思路真的很"反直觉"：在大模型横行的时代，它偏偏选择了一条轻量化的路线，仅用 1 亿参数就达到了甚至超越了数十亿参数大模型的效果。

作者：章北海mlpy
链接：https://www.zhihu.com/question/429075911/answer/2002333610561261919
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

 

快速上手

方法一：使用 ONNX（推荐，快速部署）

git clone https://github.com/Topdu/OpenOCR.git
pip install onnxruntime
cd OpenOCR
huggingface-cli download topdu/unirec_0_1b_onnx --local-dir ./unirec_0_1b_onnx# 推理
python ./tools/depolyment/unirec_onnx/infer_onnx.py --image /path/to/image作者：章北海mlpy
链接：https://www.zhihu.com/question/429075911/answer/2002333610561261919
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

 

# 1. 设置临时环境变量（仅当前窗口有效）
$env:HF_ENDPOINT="https://hf-mirror.com"# 2. （可选）开启多线程传输加速
$env:HF_HUB_ENABLE_HF_TRANSFER="1"# 3. 执行下载命令
huggingface-cli download topdu/unirec_0_1b_onnx --local-dir ./unirec_0_1b_onnx

方法二：

使用 PyTorch

# 创建环境
conda create -n openocr python==3.10
conda activate openocr# 安装 PyTorch
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=11.8 -c pytorch -c nvidia# 克隆项目
git clone https://github.com/Topdu/OpenOCR.git
cd OpenOCR
pip install -r requirements.txt# 下载模型
huggingface-cli download topdu/unirec-0.1b --local-dir ./unirec-0.1b# 推理
python tools/infer_rec.py --c ./configs/rec/unirec/focalsvtr_ardecoder_unirec.yml --o Global.infer_img=/path/img