# Aplicativos de machine learning

[Gradio](https://www.gradio.app/), uma biblioteca rápida e fácil para criar e compartilhar aplicativos de machine learning, é integrada ao [Pipeline](/docs/transformers/main/pt/main_classes/pipelines#transformers.Pipeline) para criar rapidamente uma interface simples para inferência.

Antes de começar, verifique se o Gradio está instalado.

```py
!pip install gradio
```

Crie um pipeline para sua tarefa e, em seguida, passe-o para a função [Interface.from_pipeline](https://www.gradio.app/docs/gradio/interface#interface-from_pipeline) do Gradio para criar a interface. O Gradio determina automaticamente os componentes de entrada e saída apropriados para um [Pipeline](/docs/transformers/main/pt/main_classes/pipelines#transformers.Pipeline).

Adicione [launch](https://www.gradio.app/main/docs/gradio/blocks#blocks-launch) para criar um servidor web e iniciar o aplicativo.

```py
from transformers import pipeline
import gradio as gr

pipeline = pipeline("image-classification", model="google/vit-base-patch16-224")
gr.Interface.from_pipeline(pipeline).launch()
```

O aplicativo web é executado em um servidor local por padrão. Para compartilhar o aplicativo com outros usuários, defina `share=True` em [launch](https://www.gradio.app/main/docs/gradio/blocks#blocks-launch) para gerar um link público temporário. Para uma solução mais permanente, hospede o aplicativo nos [Spaces](https://hf.co/spaces) do Hugging Face.

```py
gr.Interface.from_pipeline(pipeline).launch(share=True)
```

O Space abaixo é criado com o código acima e hospedado no Spaces.

<iframe src="https://stevhliu-gradio-pipeline-demo.hf.space" frameborder="0" width="850" height="850"
>