Update app.py

app.py

@@ -1,9 +1,7 @@
 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 = [
@@ -11,75 +9,61 @@ cifar10_labels = [
     'perro', 'rana', 'caballo', 'barco', 'camión'
 ]
 
-# Cargar el modelo al iniciar la app
+# Cargar el modelo
 model = tf.keras.models.load_model('my_model.keras')
 
 def preprocess_image(image):
-    """Preprocesa la imagen 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)
+    """Preprocesado de imagen"""
+    img = image.resize((32, 32)).convert('RGB')
+    return np.array(img).astype('float32') / 255
 
 def predict(image):
-    """Realiza la predicción y devuelve los resultados"""
+    """Realizar predicción"""
     processed_img = preprocess_image(image)
-    preds = model.predict(processed_img)[0]
-    
-    # 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
+    preds = model.predict(np.expand_dims(processed_img, axis=0))[0]
+    return {label: float(preds[i]) for i, label in enumerate(cifar10_labels)}
+
+# Configurar ejemplos con etiquetas
+dataset_info = "**Este dataset incluye las siguientes 10 categorías:**\n" + "\n".join(
+    [f"- {label.capitalize()}" for label in cifar10_labels]
+)
 
-# 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'],   # 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
+    ["ejemplos/avion.jpg", "avión"],
+    ["ejemplos/automovil.jpg", "automóvil"],
+    ["ejemplos/pajaro.jpg", "pájaro"],
+    ["ejemplos/gato.jpg", "gato"],
+    ["ejemplos/venado.jpg", "venado"],
+    ["ejemplos/perro.jpg", "perro"],
+    ["ejemplos/rana.jpg", "rana"],
+    ["ejemplos/caballo.jpg", "caballo"],
+    ["ejemplos/barco.jpg", "barco"],
+    ["ejemplos/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="Top 3 Predicciones"),
-        gr.Plot(label="Distribución Completa")
-    ],
-    title=title,
-    description=description,
-    examples=examples,
-    theme=gr.themes.Soft(),
-    allow_flagging="never"
-)
+# Construir interfaz
+with gr.Blocks(theme=gr.themes.Soft()) as app:
+    gr.Markdown("# Clasificador CIFAR-10 ✈️🚗")
+    gr.Markdown("Sube una imagen o prueba con nuestros ejemplos:")
+    
+    with gr.Row():
+        with gr.Column():
+            input_image = gr.Image(type="pil", label="Imagen de entrada")
+            submit_btn = gr.Button("Clasificar")
+        
+        with gr.Column():
+            output_label = gr.Label(label="Predicciones", num_top_classes=10)
+    
+    gr.Markdown(dataset_info)
+    
+    # Sección de ejemplos con etiquetas
+    gr.Examples(
+        examples=examples,
+        inputs=[input_image],
+        label="Ejemplos del Dataset",
+        examples_per_page=5
+    )
 
-# Lanzar la aplicación
+# Lanzar aplicación
 if __name__ == "__main__":
-    interface.launch()
+    app.launch()