Gradio · 用 Python 快速构建机器学习 Web 应用｜安装、构建与分享全指南

项目仓库： https://github.com/gradio-app/gradio

开源协议：Apache-2.0 · 定位：用 Python 为 ML 模型 / API / 任意 Python 函数快速构建 Web Demo · 要求：Python 3.10+ · 本地端口：7860 · 官方文档：gradio.app/docs

1 项目简介

Gradio 是一个开源 Python 包，让你快速为机器学习模型、API 或任意 Python 函数构建 Demo / Web 应用，几行代码即可，并用内置分享功能在几秒内生成公开链接。无需 JavaScript、CSS 或 Web 托管经验。

1.1 核心信息一览

1.2 适用场景

• 把 ML 模型快速变成可交互 Web Demo 给业务方试用。
• 在 Jupyter / Colab / 服务器上一键起 UI，并用 share=True 生成临时公网链接。
• 复杂 UI 用 gr.Blocks 自定义布局；Chatbot 用 gr.ChatInterface。

1.3 能力边界（官方口径）

• 本地运行后浏览器打开 http://localhost:7860。
• share=True 生成的临时 *.gradio.live 链接在代码运行期间有效。

2 功能特性

• gr.Interface：高层封装，三参数 fn / inputs / outputs。
• gr.Blocks：低层自定义布局与数据流（如 Automatic1111 Web UI）。
• gr.ChatInterface：Chatbot UI 一键生成。
• 30+ 内置组件：Textbox、Image、HTML 等。
• 热重载：gradio app.py；--vibe 自然语言编辑。
• 生态：gradio_client（Python）、@gradio/client（JS）、Hugging Face Spaces、Server 模式。

3 官方界面预览

Gradio 生成的 Web 界面：左侧输入组件、右侧输出组件，自带 API 与分享按钮。

4 官方跳转链接汇总

5 前置要求与服务器配置

5.1 软件前提

• Python 3.10+；建议虚拟环境。

5.2 硬件建议

• 跑模型的机器按需配置；纯 UI 演示 1C1G 即可。

5.3 端口与资源

• 默认 7860；生产部署需反代并设置鉴权。

6 方式一：pip 安装与启动（推荐）

pip install --upgrade gradio

import gradio as gr

def greet(name, intensity):
    return "Hello, " + name + "!" * int(intensity)

demo = gr.Interface(
    fn=greet,
    inputs=["text", "slider"],
    outputs=["text"],
    api_name="predict"
)
demo.launch()

python app.py      # 浏览器打开 http://localhost:7860
gradio app.py      # 热重载

7 方式二：分享与部署

demo.launch(share=True)   # 生成 https://xxxx.gradio.live 临时链接

生产部署到 Hugging Face Spaces 或 Server 模式（gradio.Server）。

8 配置项说明

• launch()：share、server_name、server_port、auth 等。
• Interface：fn / inputs / outputs。

9 常用运维命令

• 升级：pip install --upgrade gradio。
• AI coding skill：gradio skills add。

10 常见故障排查

• 端口被占：改 server_port。
• 模型加载慢：检查 GPU / 依赖。

11 风险与合规说明

• 许可证：Apache-2.0。
• share=True 临时链接暴露公网，生产环境勿长期使用。
• 本文整理自官方 README，命令以官方文档最新说明为准；不包含 star 数等动态数据。