Update app.py

app.py

@@ -1,50 +1,85 @@
 import gradio as gr
+import matplotlib.pyplot as plt
 from PIL import Image
 import numpy as np
 import tensorflow as tf
+import pandas as pd
 
 # Etiquetas en español
-cifar10_labels = np.array([
+cifar10_labels = [
     'avión', 'automóvil', 'pájaro', 'gato', 'venado',
     'perro', 'rana', 'caballo', 'barco', 'camión'
-])
+]
 
 # Cargar el modelo al iniciar la app
 model = tf.keras.models.load_model('my_model.keras')
 
 def preprocess_image(image):
     """Preprocesa la imagen para el modelo"""
-    img = image.resize((32, 32))  # Redimensionar
-    img = np.array(img)  # Convertir a numpy array
-    img = img.astype('float32') / 255  # Normalizar
-    return img.reshape(1, 32, 32, 3)  # Reformatear para el modelo
+    img = image.resize((32, 32)).convert('RGB')  # Forzar formato RGB
+    img = np.array(img).astype('float32') / 255  # Normalizar
+    return img.reshape(1, 32, 32, 3)
 
 def predict(image):
     """Realiza la predicción y devuelve los resultados"""
     processed_img = preprocess_image(image)
     preds = model.predict(processed_img)[0]
-    return {cifar10_labels[i]: float(preds[i]) for i in range(10)}
+    
+    # Crear gráfico de barras profesional
+    df = pd.DataFrame({
+        'Clase': cifar10_labels,
+        'Probabilidad': preds
+    }).sort_values('Probabilidad', ascending=False)
+    
+    fig, ax = plt.subplots(figsize=(8, 5))
+    bars = ax.barh(df['Clase'], df['Probabilidad'], color='skyblue')
+    ax.set_xlim(0, 1)
+    ax.set_title('Distribución de Probabilidades', pad=20)
+    ax.xaxis.set_major_formatter(plt.FuncFormatter(lambda x, _: f'{x:.0%}'))
+    
+    # Añadir etiquetas de porcentaje
+    for bar in bars:
+        width = bar.get_width()
+        ax.text(width + 0.03, bar.get_y() + bar.get_height()/2,
+                f'{width:.1%}',
+                ha='left', va='center')
+    
+    plt.tight_layout()
+    
+    # Devolver resultados en formato correcto
+    return {cifar10_labels[i]: float(preds[i]) for i in range(10)}, fig
 
 # Configuración de la interfaz
 title = "Clasificador CIFAR-10 ✈️🚗"
 description = "Sube una imagen para clasificarla en una de las 10 categorías del dataset CIFAR-10"
 examples = [
-    'ejemplo_avion.jpg',
-    'ejemplo_auto.jpg',
-    'ejemplo_pajaro.jpg',
-    'ejemplo_gato.jpg'
+    ['ejemplo_avion.jpg'],   # avión
+    ['ejemplo_auto.jpg'],    # automóvil
+    ['ejemplo_pajaro.jpg'],  # pájaro
+    ['ejemplo_gato.jpg'],    # gato
+    ['ejemplo_venado.jpg'],  # venado
+    ['ejemplo_perro.jpg'],   # perro
+    ['ejemplo_rana.jpg'],    # rana
+    ['ejemplo_caballo.jpg'], # caballo
+    ['ejemplo_barco.jpg'],   # barco
+    ['ejemplo_camion.jpg']   # camión
 ]
 
 # Crear la interfaz Gradio
 interface = gr.Interface(
     fn=predict,
     inputs=gr.Image(type="pil", label="Imagen de entrada"),
-    outputs=gr.Label(num_top_classes=3, label="Predicciones"),
+    outputs=[
+        gr.Label(num_top_classes=3, label="Top 3 Predicciones"),
+        gr.Plot(label="Distribución Completa")
+    ],
     title=title,
     description=description,
     examples=examples,
-    theme=gr.themes.Soft()
+    theme=gr.themes.Soft(),
+    allow_flagging="never"
 )
 
 # Lanzar la aplicación
-interface.launch()
+if __name__ == "__main__":
+    interface.launch()