正版
GRADIO大模型实战:打造交互式AI应用全流程
- 书名
- GRADIO大模型实战:打造交互式AI应用全流程
- 作者
- 关东升 编著
- 出版社
- 机械工业出版社
- 出版时间
- 2025-10-01
- ISBN
- 9787111793076
- 货号
- 1203885689
- 品相
- 全新
- 分类
- 当代·工业
- 书名
- GRADIO大模型实战:打造交互式AI应用全流程
- 作者
- 关东升 编著
- 出版社
- 机械工业出版社
- 出版时间
- 2025-10-01
- ISBN
- 9787111793076
- 货号
- 1203885689
- 品相
- 全新
- 分类
- 当代·工业
编辑推荐▼
1.知名畅销书作者关东升老师倾力编写。2.附赠源代码、测试资源文件、配套工具等供读者下载。3.市面上首本详细讲解Gradio开发应用技巧的图书。
作者简介▼
关东升,一个在IT领域摸爬滚打30多年的老程序员、软件架构师、高级培训讲师、IT作家。熟悉AIGC、Java、Python、移动开发、 游戏开发、数据库开发与设计、软件架构设计等多种IT技术。参与设计和开发北京市公交一卡通百亿级大型项目、国家农产品追溯系统、金融系统微博等移动客户端项目等。中国移动、中国联通、南方航空、中石油、工商银行、平安银行和天津港务局等企事业单位IT领域授课专家。著有《看漫画学Python》《漫画Java》《你好!Python》《你好!Java》《AI时代程序员开发之道:ChatGPT让程序员插上翅膀》《AI办公新动能:DeepSeek智能应用实践指南》等50多部计算机书籍。
目录▼
前言
第一篇 基础与应用场景
第1章 Gradio概述与应用场景
1.1 人工智能应用的交互需求
1.1.1 从Notebook到Web可视化的转变
1.1.2 非工程师的可用性需求
1.1.3 快速原型的必要性
1.2 Gradio的起源与发展
1.2.1 Gradio团队与Hugging Face的关系
1.2.2 Gradio的发展历程与开源路线
1.3 Gradio能做什么
1.3.1 快速部署模型界面
1.3.2 多模态输入支持
1.3.3 作为API调试工具
1.4 Gradio与其他工具对比
1.4.1 与Streamlit的差异
1.4.2 与Flask/Dash的集成性比较
1.4.3 适用场景与选择建议
1.5 本章小结
第2章 Gradio环境配置与第一个应用
2.1 安装与设置
2.1.1 使用pip安装Gradio
2.1.2 Visual Studio Code安装与配置
2.2 创建第一个Gradio应用
2.2.1 编写问候函数
2.2.2 使用Interface创建界面
2.2.3 启动Web应用
2.2.4 运行效果预览
2.3 组件绑定与数据流分析
2.3.1 输入组件到函数的传递机制
2.3.2 输出结果的自动绑定
2.3.3 示例:简单加法器
2.3.4 日志与调试方法
2.4 开发阶段的运行配置与调试选项
2.4.1 设置本地服务器地址与端口
2.4.2 生成临时共享链接
2.4.3 调试模式开启
2.4.4 控制浏览器自动打开
2.5 本章小结
第二篇 核心组件与应用开发
第3章 Gradio核心组件详解
3.1 输入组件解析
3.1.1 文本与数字输入组件
3.1.2 示例1:健康评估问卷
3.1.3 示例2:年龄计算器
3.1.4 示例3:客户联系表单
3.1.5 选择类组件
3.1.6 示例4:用户信息收集表单
3.1.7 示例5:用户反馈表单
3.1.8 数值调节组件
3.1.9 示例6:调整商品价格
3.1.10 多媒体输入组件
3.2 输出组件解析
3.2.1 Label与Text输出
3.2.2 Image组件
3.2.3 示例7:图片上传与处理
3.2.4 Gallery组件
3.2.5 示例8:动态展示图片集
3.2.6 Plot组件
3.2.7 HTML与Markdown渲染
3.3 本章小结
第4章 文本与语言应用开发
4.1 文本分类与情感分析
4.1.1 使用Transformers快速接入BERT
4.1.2 示例1:使用DistilBERT进行文本情感分类
4.1.3 多标签分类界面构建
4.1.4 Markdown渲染分类结果
4.2 文本生成与摘要
4.2.1 使用GPT-2接入文本生成
4.2.2 示例2:基于GPT-2的文本生成与Gradio界面实现
4.2.3 限制最大长度与温度控制
4.2.4 示例3:GPT-2文本生成与Gradio界面控制
4.3 多语言翻译应用
4.3.1 自动识别语言
4.3.2 多语种模型切换
4.4 本章小结
第5章 图像处理应用开发
5.1 图像分类界面构建
5.1.1 使用Pillow处理上传图像
5.1.2 示例1:图像二值化处理
5.1.3 接入PyTorch/Keras模型
5.1.4 示例2:用PyTorch模型进行智能图像分类
5.1.5 示例3:用Keras模型进行智能图像分类
5.1.6 显示标签与置信度
5.2 图像预处理与增强
5.2.1 图像缩放与归一化
5.2.2 数据增强选项
5.2.3 示例4:数据增强——图像水平翻转
5.2.4 示例5:数据增强——图像垂直翻转
5.2.5 示例6:数据增强——图像裁剪
5.2.6 示例7:数据增强——图片颜色调整
5.3 分类结果可视化
5.3.1 Top-k预测显示
5.3.2 示例8:使用Top-k预测显示多个可能的类别和置信度
5.3.3 使用matplotlib显示概率条形图
5.3.4 显示Grad-CAM热力图
5.4 本章小结
第6章 音频与多模态应用开发
6.1 语音识别应用
6.1.1 使用Audio组件录制输入
6.1.2 Whisper模型集成
6.1.3 语音输入质量与容错建议
6.2 文本转语音应用
6.2.1 接入语音合成模型
6.2.2 示例1:使用gTTS结合Gradio创建文本转语音应用
6.2.3 音频格式与参数设置
6.3 多模态组合界面设计
6.3.1 图+文输入形式
6.3.2 图像描述生成任务与BLIP模型
6.3.3 多输出(文字+图像+音频)组合展示
6.3.4 多模态视频输入的处理方法
6.3.5 示例2:使用Gradio实现多模态视频输入与处理
6.4 本章小结
第三篇 高级功能与项目实战
第7章 Gradio Blocks高级界面设计
7.1 Interface与Blocks的差异
7.1.1 Interface的工作方式与限制
7.1.2 Blocks的灵活性与优势
7.2 Blocks构建的层次结构
7.2.1 根容器:Blocks
7.2.2 组件与容器的层次化结构
7.2.3 嵌套与模块化
7.3 Blocks布局与结构
7.3.1 Row与Column的嵌套使用
7.3.2 Tab、Accordion与分区组织
7.4 Blocks项目案例
7.4.1 案例1:多功能图像处理工具
7.4.2 案例2:多模型切换对比平台
7.5 本章小结
第8章 事件绑定与状态管理
8.1 Gradio的事件机制
8.1.1 事件的基本概念
8.1.2 事件类型
8.1.3 事件绑定语法
8.1.4 示例1:按钮单击事件
8.1.5 示例2:输入变化事件
8.1.6 示例3:多个输入组件的事件绑定
8.1.7 事件链式触发
8.2 使用State管理上下文
8.2.1 创建会话状态
8.2.2 聊天记录的维护
8.3 本章小结
第9章 Gradio项目实战:5个完整应用
9.1 项目1:图像风格迁移应用
9.1.1 项目概览
9.1.2 环境准备
9.1.3 加载模型
9.1.4 图像预处理
9.1.5 特征提取
9.1.6 风格迁移算法
9.1.7 生成Gram矩阵
9.1.8 图像反向处理
9.1.9 构建Gradio应用
9.2 项目2:多轮对话系统
9.2.1 项目概述
9.2.2 环境准备
9.2.3 加载模型
9.2.4 对话历史管理
9.2.5 构建对话逻辑函数
9.2.6 Gradio界面构建
9.3 项目3:智能简历评分工具
9.3.1 项目概览
9.3.2 环境准备
9.3.3 加载模型
9.3.4 简历评分模块实现
9.3.5 优势与建议模块实现
9.3.6 交互界面设计
9.4 项目4:AI助手原型系统
9.4.1 项目概览
9.4.2 环境准备
9.4.3 加载模型
9.4.4 构造对话与界面实现
9.5 项目5:数据科学交互平台
9.5.1 项目概览
9.5.2 环境准备
9.5.3 准备测试数据
9.5.4 数据上传与预处理
9.5.5 图表绘制与交互设计
9.6 本章小结
第四篇 部署与集成
第10章 Gradio应用的容器部署与镜像分发
10.1 本地部署
10.1.1 本地服务器配置
10.1.2 认证访问机制
10.1.3 配置内网IP地址供其他设备访问
10.2 与前端集成
10.2.1 在网页中嵌入Gradio应用
10.2.2 在前端框架中嵌入Gradio应用
10.3 Docker部署
10.3.1 Docker简介
10.3.2 Docker环境搭建
10.3.3 创建Docker镜像
10.3.4 推送镜像到公共仓库
10.4 本章小结
第11章 Hugging Face集成与Spaces发布实战
11.1 Hugging Face Hub模型接入
11.1.1 使用from_pretrained加载模型
11.1.2 示例1:在线加载BERT模型
11.1.3 示例2:从本地加载模型
11.1.4 使用pipeline快速构建服务
11.1.5 示例3:使用pipeline方法进行情感分析
11.1.6 示例4:使用pipeline方法进行文本生成
11.2 Hugging Face Spaces应用创建与部署
11.2.1 创建与配置Space项目
11.2.2 构建和测试应用
11.3 Spaces运行状态监测与日志分析
11.3.1 查看应用运行状态
11.3.2 获取并分析日志
11.4 集成Datasets和API
11.4.1 加载Hugging Face Datasets
11.4.2 使用IMDb数据集进行情感分析
11.4.3 使用Inference API与外部模型交互
11.4.4 示例5:使用Gradio创建情感分析界面及Inference API调用
11.5 本章小结
附录A 资源推荐
A.1 Gradio API快查表
A.1.1 输入组件
A.1.2 输出组件
A.1.3 Gradio的接口方法
A.2 常见错误排查与调试技巧
A.2.1 Gradio应用无法启动
A.2.2 界面组件未正确显示或无法响应
A.2.3 上传文件时,文件类型不匹配或无法上传
A.2.4 调试时函数的输入输出不符合预期
A.2.5 无法连接远程服务器
A.2.6 调试Gradio多模态应用时的问题
A.3 推荐预训练模型
A.4 推荐公开数据集
A.5 学习资源与社区生态推荐
A.5.1 官方文档与教程
A.5.2 Hugging Face文档与教程
A.5.3 开源社区与论坛
A.5.4 Hugging Face论坛
文摘▼
本书是一本系统介绍Gradio框架及其人工智能应用的实践指南。Gradio是一个开源的Python库,致力于帮助开发者快速创建和分享机器学习应用。全书涵盖了从基础到高级的Gradio应用开发技巧,详细介绍了如何将Gradio与各种AI任务结合,打造交互式AI应用。通过学习本书,读者将掌握高效使用Gradio构建、优化和部署AI应用的方法,从而实现模型的展示与交互。本书适合AI开发者、数据科学从业者、产品经理、产品设计师等各类读者,无论读者是想快速构建原型、展示AI模型,还是希望深入学习Gradio的高级特性,都能在本书中找到详细的指导与实践案例。





