app.py

import gradio as gr
import tensorflow as tf
from PIL import Image
import numpy as np

# Lade dein benutzerdefiniertes Regressionsmodell
model = tf.keras.models.load_model('Task_Pokemon.keras')

# Klassennamen, sollten deinem Dataset entsprechen
class_names = ['Aerodactyl', 'Charizard', 'Victreebel']

def classify_image(image):
    img = image.resize((160, 160))  # Hier definieren wir die Größe der Bilder
    img_array = tf.keras.preprocessing.image.img_to_array(img)
    img_array = tf.expand_dims(img_array, 0)  # Erstelle einen Batch
    predictions = model.predict(img_array)
    predicted_class = class_names[np.argmax(predictions[0])]
    confidence = np.max(predictions[0])
    return predicted_class, confidence

image_input = gr.inputs.Image()
label = gr.outputs.Label(num_top_classes=3)       

iface = gr.Interface(
    fn=classify_image, 
    inputs=image_input, 
    outputs=label,
    title='Pokémon Klassifizierer',
    description='Lade ein Bild von Aerodactyl, Charizard oder Victreebel hoch und der Klassifizierer wird dir mitteilen, um welches Pokémon es sich handelt, sowie das Vertrauensniveau der Vorhersage.'
)

iface.launch()