# Aplikasi machine learning

[Gradio](https://www.gradio.app/), pustaka cepat dan mudah untuk membangun serta membagikan aplikasi machine learning, terintegrasi dengan [Pipeline](/docs/transformers/v5.23.0/id/main_classes/pipelines#transformers.Pipeline) untuk dengan cepat membuat antarmuka sederhana untuk inferensi.

Sebelum memulai, pastikan Gradio sudah terpasang.

```py
!pip install gradio
```

Buat pipeline untuk tugas Anda, lalu teruskan ke fungsi [Interface.from_pipeline](https://www.gradio.app/docs/gradio/interface#interface-from_pipeline) dari Gradio untuk membuat antarmuka. Gradio secara otomatis menentukan komponen input dan output yang sesuai untuk [Pipeline](/docs/transformers/v5.23.0/id/main_classes/pipelines#transformers.Pipeline).

Tambahkan [launch](https://www.gradio.app/main/docs/gradio/blocks#blocks-launch) untuk membuat web server dan menjalankan aplikasi.

```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()
```

Aplikasi web berjalan di server lokal secara default. Untuk membagikan aplikasi ke pengguna lain, atur `share=True` di [launch](https://www.gradio.app/main/docs/gradio/blocks#blocks-launch) untuk menghasilkan tautan publik sementara. Untuk solusi yang lebih permanen, host aplikasi di Hugging Face [Spaces](https://hf.co/spaces).

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

Space di bawah dibuat dengan kode di atas dan dihosting di Spaces.

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

