0 相关资料：

Gradio-YOLOv5-Det：https://gitee.com/CV_Lab/gradio_yolov5_det

【手把手带你实战YOLOv5-入门篇】YOLOv5 Gradio搭建Web GUI: https://www.bilibili.com/video/BV1LP411Z7nk

YOLOv5 Gradio 搭建Web GUI：https://blog.csdn.net/weixin_41987016/article/details/129891804

How to Load local YOLOv7 model using PyTorch torch.hub: https://androidkt.com/how-to-load-local-yolov7-model-using-pytorch-torch-hub/

1 Gradio介绍

官网：https://www.gradio.app/
Gradio是一个开源的Python库，用于构建机器学习演示和Web应用。内置丰富的组件，并且实现了前后端的交互逻辑，无需额外编写代码。

2 环境搭建

开始前，我用conda创建了虚拟环境yolo，然后安装了torch
这里还需要安装gradio

pip install gradio

还需要安装yolov5

git clone https://gitee.com/YFwinston/yolov5.git
cd yolov5
pip install -r requirements.txt

测试是否安装成功

python detect.py --source ./data/images/bus.jpg

yolov7的安装方法类似，就不重复了

3 Gradio+YOLOv5

在yolov5的目录下，创建main.py，内容如下：

import torch
import gradio as grmodel = torch.hub.load("./","custom",path="yolov5s.pt",source="local")
gr.Interface(inputs=["image"],outputs=["image"],fn=lambda img:model(img).render()[0]).launch()

执行：

python main.py

在这里插入图片描述

4 Gradio+YOLOv7

在yolov7的目录下，创建main.py，内容如下：

import torch
import gradio as grmodel = torch.hub.load('./', 'custom', 'yolov7_HRW_4.2k.pt',force_reload=True, source='local',trust_repo=True)
gr.Interface(inputs=["image"],outputs=["image"],fn=lambda img:model(img).render()[0]).launch()

备注：这里我用的我自己训练的yolov7模型yolov7_HRW_4.2k.pt
执行：

python main.py

在这里插入图片描述

5 源码解释

import torch
import gradio as grmodel = torch.hub.load("./","custom",path="yolov5s.pt",source="local")
gr.Interface(inputs=["image"],outputs=["image"],fn=lambda img:model(img).render()[0]).launch()

当中的各个参数的意思如下：

torch.hub.load() 是用于从 Torch Hub 加载预训练模型的函数。它的参数如下：
- "./"：指定模型所在的本地文件路径。可以根据实际情况修改为正确的路径。
- "custom"：指定要加载的模型的名称。
- path="yolov5s.pt"：指定要加载的模型文件的路径。在此示例中，yolov5s.pt 是模型文件的名称。
- source="local"：指定模型文件的来源。在此示例中，模型文件是从本地加载的。
gr.Interface() 是 Gradio 库中用于创建交互式界面的类。它的参数如下：
- inputs=["image"]：指定输入的类型和名称。在此示例中，输入是一个图像，名称为 “image”。
- outputs=["image"]：指定输出的类型和名称。在此示例中，输出是一个图像，名称为 “image”。
- fn=lambda img:model(img).render()[0]：指定要在用户输入上执行的函数。在此示例中，该函数接受一个图像作为输入，并使用加载的模型对图像进行推断，然后返回推断结果中的第一个图像。
- launch()：启动 Gradio 接口，使其可以在浏览器中访问。

注意：以上是对参数的解释，实际上的参数值可能需要根据具体情况进行修改。

import torch
import gradio as grmodel = torch.hub.load('./', 'custom', 'yolov7_HRW_4.2k.pt',force_reload=True, source='local',trust_repo=True)
gr.Interface(inputs=["image"],outputs=["image"],fn=lambda img:model(img).render()[0]).launch()

当中的各个参数的意思如下：

torch.hub.load() 是用于从 Torch Hub 加载预训练模型的函数。它的参数如下：
- "./"：指定模型所在的本地文件路径。可以根据实际情况修改为正确的路径。
- "custom"：指定要加载的模型的名称。
- "yolov7_HRW_4.2k.pt"：指定要加载的模型文件的路径。在此示例中，yolov7_HRW_4.2k.pt 是模型文件的名称。
- force_reload=True：强制重新加载模型文件，即使已经存在缓存的模型。
- source="local"：指定模型文件的来源。在此示例中，模型文件是从本地加载的。
- trust_repo=True：信任 Torch Hub 仓库，以便加载模型文件。
gr.Interface() 是 Gradio 库中用于创建交互式界面的类。它的参数如下：
- inputs=["image"]：指定输入的类型和名称。在此示例中，输入是一个图像，名称为 "image"。
- outputs=["image"]：指定输出的类型和名称。在此示例中，输出是一个图像，名称为 "image"。
- fn=lambda img:model(img).render()[0]：指定要在用户输入上执行的函数。在此示例中，该函数接受一个图像作为输入，并使用加载的模型对图像进行推断，然后返回推断结果中的第一个图像。
- launch()：启动 Gradio 接口，使其可以在浏览器中访问。