Gradio 3.0 已发布！
'Gradio 3.0 Released!'
机器学习演示
机器学习演示越来越成为发布模型的重要组成部分。演示允许任何人（不仅仅是机器学习工程师）在浏览器中尝试模型，对预测结果提供反馈，并建立对模型的信任，如果模型表现良好。
自2019年首个版本以来，使用Gradio库已经构建了超过600,000个ML演示，今天，我们非常高兴地宣布Gradio 3.0：Gradio库的全新设计 🥳
Gradio 3.0有什么新功能？
🔥 前端进行了完全的重新设计，基于我们从Gradio用户那里得到的反馈：
-
我们切换到了现代技术（如Svelte）来构建Gradio前端。结果是我们看到了更小的负载和更快的页面加载速度！
-
我们还采用了更简洁的设计，使Gradio演示在更多场景中视觉上更好地适应（如嵌入在博客文章中）。
- 我们对现有的组件进行了改进，例如使
Dataframe更加用户友好（尝试将CSV文件拖放到Dataframe中），还添加了新的组件，例如Gallery，以便您可以构建适合您的模型的正确UI。
- 我们添加了一个
TabbedInterface类，允许您将相关的演示作为多个选项卡组合在一个Web应用程序中
在我们的（重新设计的）文档中查看您可以使用的所有组件 🤗！
🔥 我们创建了一种名为Gradio Blocks的新低级语言，使您可以在Python中构建复杂的自定义Web应用程序：
为什么我们要创建Blocks？Gradio演示非常容易构建，但是如果您想要更多地控制演示的布局，或者对数据流程的灵活性更高呢？例如，您可能希望：
- 更改演示的布局，而不仅仅是将所有输入放在左侧，输出放在右侧
- 拥有多步接口，其中一个模型的输出成为下一个模型的输入，或者具有更灵活的数据流程
- 基于用户输入更改组件的属性（例如Dropdown中的选项）或可见性
低级Blocks API允许您在Python中完成所有这些操作。
以下是一个Blocks演示的示例，它创建了两个简单的演示，并使用选项卡将它们组合在一起：
import numpy as np
import gradio as gr
def flip_text(x):
return x[::-1]
def flip_image(x):
return np.fliplr(x)
with gr.Blocks() as demo:
gr.Markdown("使用此演示翻转文本或图像文件。")
with gr.Tabs():
with gr.TabItem("翻转文本"):
text_input = gr.Textbox()
text_output = gr.Textbox()
# 每当输入文本框更改时运行此演示
text_input.change(flip_text, inputs=text_input, outputs=text_output)
with gr.TabItem("翻转图像"):
with gr.Row():
image_input = gr.Image()
image_output = gr.Image()
button = gr.Button("翻转")
# 每当按钮被点击时运行此演示
button.click(flip_image, inputs=image_input, outputs=image_output)
demo.launch()运行launch()后，将显示以下演示：
有关Blocks的逐步介绍，请查看专门的Blocks指南
Gradio Blocks Party
我们非常兴奋Gradio Blocks，并希望您尝试它，因此我们正在组织一个名为Gradio Blocks Party（😉）的竞赛，看看谁能用Blocks构建出最好的演示。通过构建这些演示，我们可以使先进的机器学习不仅对工程师，而且对任何会使用互联网浏览器的人都可以获得！
即使您以前从未使用过Gradio，现在是开始的绝佳时机，因为Blocks Party将一直持续到五月底。我们将在Party结束时为使用Blocks构建的演示赠送🤗商品和其他奖品。
在此了解有关Blocks Party的更多信息：https://huggingface.co/spaces/Gradio-Blocks/README
