course/pr_1213/es/chapter9/4.md

# Compartir demos con otras personas[[sharing-demos-with-others]]

Las demos de Gradio pueden compartirse de dos maneras: usando un **enlace temporal para compartir** o mediante **alojamiento permanente en Spaces**.

### Pulir tu demo de Gradio[[polishing-your-gradio-demo]]

La clase `Interface` admite varios parámetros opcionales útiles: `title`, `description`, `article`, `theme`, `examples` y `live`.

```py
title = "Ask Rick a Question"
description = """
The bot was trained to answer questions based on Rick and Morty dialogues. Ask Rick anything!

"""

article = "Check out [the original Rick and Morty Bot](https://huggingface.co/spaces/kingabzpro/Rick_and_Morty_Bot) that this demo is based off of."

gr.Interface(
    fn=predict,
    inputs="textbox",
    outputs="text",
    title=title,
    description=description,
    article=article,
    examples=[["What are you doing?"], ["Where should we time travel to?"]],
).launch()
```

### Compartir tu demo con enlaces temporales[[sharing-your-demo-with-temporary-links]]

Puedes compartir la interfaz públicamente con:

```py
gr.Interface(classify_image, "image", "label").launch(share=True)
```

Esto crea un enlace público temporal que otras personas pueden abrir en su navegador.

### Alojar tu demo en Hugging Face Spaces[[hosting-your-demo-on-hugging-face-spaces]]

Para un despliegue permanente, Hugging Face Spaces te permite alojar tu demo gratis. El código de la interfaz vive normalmente en un archivo `app.py` dentro del repositorio del Space.

## ✏️ ¡Pongámoslo en práctica![[lets-apply-it]]

Aquí tienes un ejemplo de una demo de reconocimiento de bocetos con Gradio:

```py
from pathlib import Path
import torch
import gradio as gr
from torch import nn

LABELS = Path("class_names.txt").read_text().splitlines()

model = nn.Sequential(
    nn.Conv2d(1, 32, 3, padding="same"),
    nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Conv2d(32, 64, 3, padding="same"),
    nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Conv2d(64, 128, 3, padding="same"),
    nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Flatten(),
    nn.Linear(1152, 256),
    nn.ReLU(),
    nn.Linear(256, len(LABELS)),
)
```

Y su interfaz:

```py
interface = gr.Interface(
    predict,
    inputs="sketchpad",
    outputs="label",
    theme="huggingface",
    title="Sketch Recognition",
    description="Who wants to play Pictionary? Draw a common object like a shovel or a laptop, and the algorithm will guess in real time!",
    article="Sketch Recognition | Demo Model",
    live=True,
)
interface.launch(share=True)
```