使用gradio搭建服务(二)

2024-06-17 11:44
文章标签 服务 使用 搭建 gradio

本文主要是介绍使用gradio搭建服务(二),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

使用gradio搭建逐步执行的服务

# coding:utf-8
import os
from time import time
os.environ["CUDA_VISIBLE_DEVICES"] = '1'
import torch
from PIL import Image,ImageFont,ImageDraw
import requestsimport gradio as gr
from infer_llvm import infer_llvm
from call_openai import openai_reply
from llm import llmfrom create_app import conf
from clife_svc.libs.log import klogger as logger
# translator = Translator(to_lang="zh")
os.environ['CUDA_LAUNCH_BLOCKING'] = '1'
USE_GPU = Truewebui_title = '''毕业相册demo'''def generate_text(image,multimodal_input):generated_text = infer_llvm(multimodal_input, image)return generated_textdef generate_llm(generated_text,radio,llm_input):llm_prompt = f'{generated_text}{llm_input}'print('llm_prompt',llm_prompt)if radio == 'chatgpt-3.5':llm_output = openai_reply(llm_prompt)elif radio == '星火大模型':llm_output = llm(llm_prompt)line = f'大模型:{radio} 提示词:{llm_prompt} 多模态输出结果:{llm_output}'logger.info(line)return llm_outputwith gr.Blocks() as demo:gr.HTML(F"""<h1 align="center">{webui_title}</h1>""") ## 9with gr.Row():with gr.Column():image = gr.Image(label='幼儿照片') ## 1llvm_prompt = gr.Textbox(label='多模态提示词(请用英文,可以不填写)') ## 2out_llvm = gr.Textbox(label='多模态输出') ##3_button1 = gr.Button(value='步骤1:开始生成图像描述', scale=1) ## 4with gr.Column():radio = gr.Radio(choices=["chatgpt-3.5", "星火大模型"], label="选择一个大模型",value='chatgpt-3.5') ## 5llm_prompt = gr.Textbox(label='大模型提示词(请用中文,必填)') ## 6out_llm = gr.Textbox(label='成长相册输出') ## 7 _button2 = gr.Button(value='步骤2:开始成长相册描述', scale=1) #8_button1.click(fn=generate_text,inputs=[image, llvm_prompt],outputs=out_llvm)_button2.click(fn=generate_llm,inputs=[out_llvm,radio,llm_prompt],outputs=out_llm)
demo.launch(server_name="0.0.0.0")

在这里插入图片描述
这里通过设置两个按钮,_button2的输入中包含_button1的输出,来实现分布执行

这篇关于使用gradio搭建服务(二)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1069353

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

搭建Kafka+zookeeper集群调度

前言 硬件环境 172.18.0.5        kafkazk1        Kafka+zookeeper                Kafka Broker集群 172.18.0.6        kafkazk2        Kafka+zookeeper                Kafka Broker集群 172.18.0.7        kafkazk3

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的