Correção: removendo exemplos inexistentes para evitar erro de path

app.py

@@ -1,30 +1,22 @@
 import gradio as gr
 from transformers import pipeline
-from PIL import Image
 
-# 1. Carregamos o modelo globalmente para melhor performance
+# Carrega o modelo da Apple
 classificador = pipeline("image-classification", model="apple/mobilevit-small")
 
-def classificar_imagem(img):
-    if img is None:
-        return None
-    
-    # 2. Rodar o modelo na imagem vinda da interface
-    predicoes = classificador(img)
-    
-    # 3. Formatamos o resultado para o componente Label do Gradio
-    # O Gradio espera um dicionário no formato {"Label": confianca}
-    return {p['label']: p['score'] for p in predicoes}
+def predict(img):
+    predictions = classificador(img)
+    # Retorna o dicionário de labels e scores para o Gradio criar as barras
+    return {p['label']: p['score'] for p in predictions}
 
-# 4. Construção da Interface
-app = gr.Interface(
-    fn=classificar_imagem,
-    inputs=gr.Image(type="pil", label="Carregue uma imagem"),
-    outputs=gr.Label(num_top_classes=5, label="Resultados"),
-    title="Classificador MobileViT (Apple)",
-    description="Envie uma imagem para que o modelo MobileViT identifique o conteúdo. Modelo leve e otimizado para dispositivos móveis.",
-    examples=["exemplo_cachorro.jpg"] # Opcional: você pode subir exemplos no Space
+# Interface limpa sem a lista de exemplos que está causando erro
+demo = gr.Interface(
+    fn=predict,
+    inputs=gr.Image(type="pil"),
+    outputs=gr.Label(num_top_classes=5),
+    title="Classificador MobileViT - Apple",
+    description="Envie uma imagem para identificar objetos usando o modelo MobileViT."
 )
 
 if __name__ == "__main__":
-    app.launch()
+    demo.launch()