# Aplicații de machine learning [Gradio](https://www.gradio.app/), o bibliotecă rapidă și ușoară pentru construirea și partajarea de aplicații de machine learning, este integrată cu [`Pipeline`] pentru a crea rapid o interfață simplă pentru inferență. Înainte de a începe, asigură-te că Gradio este instalată. ```py !pip install gradio ``` Creează un pipeline pentru task-ul tău, iar apoi transmite-l funcției [Interface.from_pipeline](https://www.gradio.app/docs/gradio/interface#interface-from_pipeline) din Gradio pentru a crea interfața. Gradio determină automat componentele de input și output potrivite pentru un [`Pipeline`]. Adaugă [launch](https://www.gradio.app/main/docs/gradio/blocks#blocks-launch) pentru a crea un web server și a porni aplicația. ```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() ``` Aplicația web rulează implicit pe un server local. Pentru a partaja aplicația cu alți utilizatori, setează `share=True` în [launch](https://www.gradio.app/main/docs/gradio/blocks#blocks-launch) pentru a genera un link public temporar. Pentru o soluție mai permanentă, găzduiește aplicația pe Hugging Face [Spaces](https://hf.co/spaces). ```py gr.Interface.from_pipeline(pipeline).launch(share=True) ``` Space-ul de mai jos este creat cu codul de mai sus și găzduit pe Spaces.