streamlit使用教程

Wed, 14 May 2025 11:53:17 +0800

一些问题和使用技巧

streamlit之下使用optuna做多进程调参

import streamlit as st
import optuna
import multiprocessing
import time

# 模拟一个简单的目标函数
def objective(trial):
 x = trial.suggest_float('x', -10, 10)
 return (x - 2) ** 2

# 优化函数
def optimize(study, n_trials, progress_queue):
 for i in range(n_trials):
 study.optimize(objective, n_trials=1)
 progress_queue.put(study.best_value)

def main():
 st.title("Optuna Optimization Progress Display")
 chose_n_trials = st.number_input("Choose number of trials", min_value=10, max_value=1000, value=100)

 # 创建或加载Optuna study
 study_name = 'optuna_study'
 try:
 study = optuna.create_study(study_name=study_name, storage='sqlite:///optuna_study.db', direction='minimize')
 except:
 study = optuna.load_study(study_name=study_name, storage='sqlite:///optuna_study.db')

 if st.button("Start Optimization"):
 progress_queue = multiprocessing.Queue()
 n_processes = 4 # 设置并行进程数
 trials_per_process = chose_n_trials // n_processes

 # 启动多进程优化
 processes = []
 for _ in range(n_processes):
 p = multiprocessing.Process(target=optimize, args=(study, trials_per_process, progress_queue))
 p.start()
 processes.append(p)

 # 初始化进度条
 progress_bar = st.progress(0)
 best_score = float('inf')

 for _ in range(chose_n_trials):
 best_value = progress_queue.get()
 if best_value < best_score:
 best_score = best_value
 progress = (_ + 1) / chose_n_trials
 progress_bar.progress(progress)
 st.write(f"Best score: {best_score}")

 # 确保所有进程完成
 for p in processes:
 p.join()

 st.success("Optimization completed!")

if __name__ == "__main__":
 main()

以一种访问权限不允许的方式做了一个访问套接字的尝试|端口占用

streamlit连接数据库并且增删改查

gradio教程

Wed, 05 Mar 2025 21:52:18 +0800

Gradio 教程

代码地址：

https://github.com/zata-zhangtao/Zata-AI-Agent-code/blob/main/04-gradio/01-start/01-sample_example.ipynb

参考文档

https://www.gradio.app/guides/the-interface-class

1. 安装 Gradio

首先，确保你有 Python 环境，然后在终端运行以下命令安装 Gradio：

pip install gradio

2. 基本示例

让我们从一个简单的例子开始：创建一个界面，用户输入名字，程序返回问候语。

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()

运行代码后，Gradio 会生成一个本地 Web 界面（通常在 http://127.0.0.1:7860），你可以在浏览器中输入名字并看到结果。

3. 界面参数说明

fn: 要展示的核心函数（例如 greet）。
inputs: 输入组件类型（如 "text", "image", "audio" 等）。
outputs: 输出组件类型（如 "text", "image", "label" 等）。
launch(): 启动界面，可以通过参数设置是否公开。

常用输入和输出类型

"text": 文本框
"image": 图片上传或显示
"audio": 音频输入或输出
"video": 视频输入或输出
"dataframe": 数据表格

4. 进阶示例：处理多种输入

假设我们想创建一个函数，接收名字和年龄，返回个性化的消息：

import gradio as gr

def greet(name, age):
 return f"你好，{name}！今年你{age}岁了，真棒！"

interface = gr.Interface(
 fn=greet,
 inputs=["text", "number"], # 多个输入
 outputs="text",
 title="个性化问候生成器", # 添加标题
 description="输入你的名字和年龄，获取问候语！" # 添加描述
)

interface.launch()

运行后，你会看到一个有两个输入框的界面：一个文本框输入名字，一个数字框输入年龄。

5. 处理图片输入和输出

假设我们要创建一个简单的图像处理函数，将上传的图片转为灰度：

import gradio as gr
from PIL import Image

def grayscale_image(image):
 return image.convert("L") # 转换为灰度图

interface = gr.Interface(
 fn=grayscale_image,
 inputs="image", # 上传图片
 outputs="image", # 输出图片
 title="图片灰度转换器"
)

interface.launch()

用户可以上传图片，界面会返回灰度版本。

6. 自定义界面布局

如果需要更复杂的布局，可以使用 gr.Blocks：

import gradio as gr

def greet(name):
 return f"你好，{name}！"

with gr.Blocks(title="自定义问候界面") as demo:
 gr.Markdown("## 输入你的名字")
 name_input = gr.Textbox(label="名字")
 output = gr.Textbox(label="结果")
 button = gr.Button("提交")
 button.click(fn=greet, inputs=name_input, outputs=output)

demo.launch()

Blocks 允许你自由组合组件，比如按钮、文本框、图片等。

7. 分享到公网

默认情况下，Gradio 界面只运行在本地。如果你想分享给别人，可以设置 share=True：

interface.launch(share=True)

这会生成一个临时的公共链接（有效期通常为 72 小时）。

8. 常见问题

如何调试？ 添加 debug=True 参数到 launch()，会在终端显示详细日志：
```
interface.launch(debug=True)
```
如何保存用户输入？ 在函数中处理输入并保存到文件或数据库。
如何运行在特定端口？ 使用 server_port 参数：
```
interface.launch(server_port=8080)
```

9. 完整示例：带图片和文本的复杂界面

import gradio as gr
from PIL import Image

def process_input(name, image):
 grayscale_img = image.convert("L")
 message = f"你好，{name}！这是你的灰度图片。"
 return grayscale_img, message

interface = gr.Interface(
 fn=process_input,
 inputs=["text", "image"],
 outputs=["image", "text"],
 title="图片和文本处理",
 description="输入名字并上传图片，获取灰度图和问候语。"
)

interface.launch(share=True)

10. 带有tab的界面

import gradio as gr

# 定义两个简单的函数，分别用于不同的选项卡
def greet(name):
 return f"你好，{name}！"

def farewell(name):
 return f"再见，{name}！"

# 使用 Blocks 创建界面
with gr.Blocks() as demo:
 # 创建 Tabs 容器
 with gr.Tabs():
 # 第一个选项卡：打招呼
 with gr.TabItem("打招呼"):
 name_input_1 = gr.Textbox(label="输入你的名字")
 greet_output = gr.Textbox(label="输出")
 greet_button = gr.Button("提交")
 greet_button.click(fn=greet, inputs=name_input_1, outputs=greet_output)

 # 第二个选项卡：告别
 with gr.TabItem("告别"):
 name_input_2 = gr.Textbox(label="输入你的名字")
 farewell_output = gr.Textbox(label="输出")
 farewell_button = gr.Button("提交")
 farewell_button.click(fn=farewell, inputs=name_input_2, outputs=farewell_output)

# 启动应用
demo.launch()

gr.Blocks()：创建一个灵活的界面容器。
gr.Tabs()：定义一个选项卡组。
gr.TabItem(“标签名”)：定义单个选项卡，标签名会显示在界面上。
每个选项卡内可以放置输入组件（如 Textbox）、输出组件和事件（如按钮点击）。
运行这段代码后，你会看到一个带有“打招呼”和“告别”两个选项卡的界面。点击每个选项卡，可以切换到对应的功能。

11. 使用 gr.TabbedInterface 组合多个界面

import gradio as gr

# 定义两个函数
def greet(name):
 return f"你好，{name}！"

def farewell(name):
 return f"再见，{name}！"

# 创建两个独立的 Interface
interface1 = gr.Interface(fn=greet, inputs="text", outputs="text", title="打招呼")
interface2 = gr.Interface(fn=farewell, inputs="text", outputs="text", title="告别")

# 使用 TabbedInterface 组合
demo = gr.TabbedInterface(
 [interface1, interface2], # 接口列表
 ["打招呼", "告别"] # 选项卡名称列表
)

# 启动应用
demo.launch()

代码说明：

gr.TabbedInterface 接受两个主要参数：
第一个参数是一个 Interface 对象列表。
第二个参数是选项卡名称的列表，与 Interface 顺序对应。
这种方法适合快速组合已有的界面，但灵活性不如 Blocks。

12. 高级布局：结合 Row 和 Column

import gradio as gr
import numpy as np

# 定义翻转文本和图片的函数
def flip_text(text):
 return text[::-1]

def flip_image(image):
 return np.fliplr(image)

# 使用 Blocks 创建界面
with gr.Blocks(title="翻转工具") as demo:
 gr.Markdown("### 欢迎使用翻转工具")
 with gr.Tabs():
 # 文本翻转选项卡
 with gr.TabItem("翻转文本"):
 with gr.Row():
 text_input = gr.Textbox(label="输入文本")
 text_output = gr.Textbox(label="输出文本")
 text_button = gr.Button("翻转")
 text_button.click(fn=flip_text, inputs=text_input, outputs=text_output)

 # 图片翻转选项卡
 with gr.TabItem("翻转图片"):
 with gr.Row():
 image_input = gr.Image(label="上传图片", type="numpy")
 image_output = gr.Image(label="输出图片")
 image_button = gr.Button("翻转")
 image_button.click(fn=flip_image, inputs=image_input, outputs=image_output)

# 启动应用
demo.launch()