Update README.md

README.md

@@ -11,4 +11,43 @@ tags:
 - biology
 datasets:
 - WHOI
----
+---
+
+# Model Usage
+```
+import os
+import numpy as np
+from tensorflow.keras.preprocessing import image
+from tensorflow.keras.models import load_model
+from tensorflow.keras.applications.inception_v3 import preprocess_input
+import tensorflow as tf
+
+
+# Lista de clases
+class_names = ['acanthoica', 'akashiwo', 'alexandrium', 'amoeba', 'amphidinium', 'amylax', 'apedinella', 'asterionellopsis', 'bacillaria', 'bacteriastrum', 'biddulphia', 'calciopappus', 'cerataulina', 'ceratium', 'chaetoceros', 'chrysochromulina', 'cochlodinium', 'corethron', 'corymbellus', 'coscinodiscus', 'cryptophyta', 'cylindrotheca', 'dactyliosolen', 'delphineis', 'dictyocha', 'dinobryon', 'dinophysis', 'ditylum', 'emiliania', 'ephemera', 'eucampia', 'euglena', 'gonyaulax', 'guinardia', 'gyrodinium', 'hemiaulus', 'heterocapsa', 'karenia', 'katodinium', 'kryptoperidinium', 'laboea', 'lauderia', 'leptocylindrus', 'licmophora', 'nanoneis', 'odontella', 'ophiaster', 'ostreopsis', 'oxytoxum', 'paralia', 'parvicorbicula', 'phaeocystis', 'pleuronema', 'pleurosigma', 'polykrikos', 'prorocentrum', 'proterythropsis', 'protoperidinium', 'pseudo-nitzschia', 'pseudochattonella', 'pyramimonas', 'rhabdolithes', 'rhizosolenia', 'scrippsiella', 'skeletonema', 'stephanopyxis', 'syracosphaera', 'thalassionema', 'thalassiosira', 'trichodesmium', 'vicicitus', 'warnowia']
+
+def preprocess_image(image_path, target_size=(299, 299)):
+    img = image.load_img(image_path, target_size=target_size)
+    img_array = image.img_to_array(img)
+    img_array = np.expand_dims(img_array, axis=0)
+    img_array = preprocess_input(img_array)  # Usar la función de preprocesamiento de InceptionV3
+    return img_array
+
+# Ruta de la imagen que deseas procesar
+image_path = '/your/image/path'
+img_array = preprocess_image(image_path)
+
+# Hacer la predicción
+predictions = model.predict(img_array)[0]  # Obtener las probabilidades de la primera (y única) imagen
+
+# Obtener el top 10 de predicciones
+top_10_indices = predictions.argsort()[-10:][::-1]  # Ordenar índices por probabilidad (de mayor a menor)
+top_10_classes = [class_names[i] for i in top_10_indices]
+top_10_probabilities = predictions[top_10_indices]
+
+# Mostrar el top 10 de clases con sus probabilidades
+print("Top 10 predicciones:")
+for i in range(10):
+    print(f"{top_10_classes[i]}: {top_10_probabilities[i] * 100:.2f}%")
+
+```