Create app.py

app.py

@@ -0,0 +1,39 @@
+import gradio as gr
+import torch
+from torchvision import models, transforms
+from PIL import Image
+
+# Carga modelo base preentrenado
+model = models.mobilenet_v2(pretrained=True)
+model.eval()
+
+# Transformaciones de imagen
+transform = transforms.Compose([
+    transforms.Resize(256),
+    transforms.CenterCrop(224),
+    transforms.ToTensor()
+])
+
+# Labels simplificados (imagenet)
+# Nota: La lista de etiquetas está incompleta en la imagen.
+# Deberías obtener la lista completa de etiquetas de ImageNet si necesitas todas.
+labels = ["tench", "goldfish", "great white shark", "...", "Egyptian cat", "tabby cat", "tiger cat", "Persian cat", ...]
+
+def clasificar(imagen):
+  # Aplica las transformaciones y añade una dimensión de batch
+  img_t = transform(imagen).unsqueeze(0)
+  # Desactiva el cálculo de gradientes para la inferencia
+  with torch.no_grad():
+    # Pasa la imagen por el modelo
+    salida = model(img_t)
+  # Obtiene el índice de la clase con la mayor probabilidad
+  idx = salida[0].argmax().item()
+  # Devuelve la etiqueta correspondiente a ese índice
+  return labels[idx]
+
+# Crea la interfaz de Gradio
+gr.Interface(fn=clasificar,
+             inputs=gr.Image(type="pil"), # La entrada es una imagen PIL
+             outputs="label",             # La salida es una etiqueta de texto
+             title="Clasificador de Imágenes",
+             description="Clasifica imágenes usando MobileNetV2").launch()