course/pr_1213/es/chapter9/2.md

# Crea tu primera demo[[building-your-first-demo]]

¡Empecemos instalando Gradio! Como es un paquete de Python, simplemente ejecuta:

`$ pip install gradio `

Puedes ejecutar Gradio en cualquier parte, desde tu IDE de Python favorito hasta notebooks de Jupyter o incluso en Google Colab.

Empecemos con un ejemplo sencillo de “Hello World” para familiarizarnos con la sintaxis de Gradio:

```py
import gradio as gr

def greet(name):
    return "Hello " + name

demo = gr.Interface(fn=greet, inputs="text", outputs="text")

demo.launch()
```

Veamos el código anterior paso a paso:

- Primero, definimos una función llamada `greet()`. En este caso, es una función simple que añade "Hello" antes de tu nombre, pero en general puede ser *cualquier* función de Python. Por ejemplo, en aplicaciones de machine learning, esta función *llamaría a un modelo para hacer una predicción* sobre una entrada y devolver la salida.
- Luego, creamos una `Interface` de Gradio con tres argumentos: `fn`, `inputs` y `outputs`.
- Después llamamos al método `launch()` sobre la `Interface` que hemos creado.

También puedes personalizar el componente de entrada usando clases de Gradio:

```py
import gradio as gr

def greet(name):
    return "Hello " + name

textbox = gr.Textbox(label="Type your name here:", placeholder="John Doe", lines=2)

gr.Interface(fn=greet, inputs=textbox, outputs="text").launch()
```

## 🤖 Incluir predicciones del modelo[[including-model-predictions]]

Ahora construyamos una interfaz simple para un modelo de **text-generation** como GPT-2.

```py
from transformers import pipeline

model = pipeline("text-generation")

def predict(prompt):
    completion = model(prompt)[0]["generated_text"]
    return completion
```

Ahora la envolvemos en una interfaz:

```py
import gradio as gr

gr.Interface(fn=predict, inputs="text", outputs="text").launch()
```

Sigue leyendo para ver cómo crear otros tipos de demos con Gradio.