gradio初体验

背景

近期随着很多开源大模型的出现，对于其如何落地，或者说充分地去挖掘其实际应用领域和商业价值变得格外重要。于是乎，对于不懂技术的前方市场或销售人员，如何在没有形成AI产品之前向其展示算法模型效果呢？这时候gradio框架应运而生，完美解决了问题。

gradio

gradio是一个用python实现的快速构建AI应用的框架。将前端部件、后端业务和算法推理进行了封装，简单清晰，几行代码就可以搭建一个AI算法的应用，在浏览器上检验算法效果，直观高效，消除了算法到应用之间的鸿沟。

Gradio Interface Docs

安装

gradio已经封装成了python的一个开源库，python3.8及以上版本支持，需注意。pip安装即可，或者需要改源码的，可以下载源码修改后，python setup.sh install 安装。

实践

近期，算法团队在预研多模态大模型GLIP，为了便于产线人员更直观地了解目前开源大模型的实际效果，减少沟通成本，需要搭建一个多模态大模型演示平台。

开源项目：基于语言和图像的预训练模型

GitHub - microsoft/GLIP: Grounded Language-Image Pre-training

根据开源的部署指导部署好后，领导提出了一些定制化的小需求，为了减少开发工作量，未对gradio源码进行二次开发，尽量在开源项目基础上进行改动。

1、增加用户登录功能

gradio在interface 和blocks的launch方法中提供了一个参数auth，可以方便地增加用户登录功能。

block.launch(
        server_name='0.0.0.0',
        server_port=9090,
        share=True,
        debug=False,
        auth=user_info,
        auth_message='欢迎登录大模型演示平台！'
)
user_info = [
    ("admin", "password"),
    ("guest", "password")
]

2、增加用户反馈信息并保存

前端组件触发事件响应函数中连接数据库并保存数据即可。考虑数据关系较简单，便于搜索，这里采用非关系型数据库elasticsearch。

这里遇到一个问题，对于输入的图片点击“检测”后，创建一条记录，当算法结果出来后，用户根据结果进行评价反馈，这些反馈信息要保存到这条记录中。此时就需要获取都这条记录的id，可这个id如何保存呢？也不能作为全局变量，因为是多用户执行。

目前实现方法是：将id作为“检测”按钮的输出变量，反馈按钮或组件的输入变量，从而达到值传递。方法比较笨拙，但也算实现了功能。后续有时间看看gradio有没有其它好的机制。

3、页面美化

设置网页标题：Blocks中的title参数设置；

隐藏页脚gradio链接文字，设置背景色：Blocks中的css参数设置；

block = gr.Blocks(
           theme='default',
           title="多模态大模型演示平台",
           css=".gradio-container, .gradio-container button {background-color: #009FCC} footer {visibility: hidden}"
        ).queue(concurrency_count=1)

4、多线程引起的问题

gradio可以通过队列来对用户的请求进行响应，可以通过concurrency_count设置同时响应的请求数量，也就是线程数。当设置成多线程后，当多个用户并发请求，出现了检测结果和输入的检测项不对应的情况，将concurrency_count设置成1，也就是单线程后问题得到解决。当然响应速度会变慢，但可以接受。