Update src/streamlit_app1.py

src/streamlit_app1.py

@@ -1,37 +1,36 @@
-import streamlit as st
-import tensorflow as tf
-from PIL import Image
-import numpy as np
-
-# Chargement des modèles
-model_infect = tf.keras.models.load_model("exo1.keras")
-model_animals = tf.keras.models.load_model("exo2.keras")
-
-# Fonction de prédiction
-def predict(model, img_array, classes):
-    prediction = model.predict(img_array)
-    index = np.argmax(prediction)
-    return classes[index], prediction[0][index]
-
-# Interface utilisateur
-st.title("🧠 Classification d’images")
-
-option = st.selectbox("Choisissez le modèle :", ("Infecté / Non Infecté", "Chat / Chien"))
-
-uploaded_file = st.file_uploader("Uploader une image", type=["jpg", "png", "jpeg"])
-
-if uploaded_file:
-    image = Image.open(uploaded_file)
-    st.image(image, caption="Image chargée", use_column_width=True)
-
-    # Prétraitement
-    image = image.resize((224, 224))  # à adapter selon votre modèle
-    img_array = np.array(image) / 255.0
-    img_array = np.expand_dims(img_array, axis=0)
-
-    if option == "Infecté / Non Infecté":
-        label, confidence = predict(model_infect, img_array, ["Non Infecté", "Infecté"])
-    else:
-        label, confidence = predict(model_animals, img_array, ["Chat", "Chien"])
-
-    st.success(f"Classe prédite : **{label}** avec une confiance de **{confidence:.2f}**")
+import streamlit as st
+from PIL import Image
+import numpy as np
+
+# Chargement des modèles
+model_infect = tf.keras.models.load_model("exo1.keras")
+model_animals = tf.keras.models.load_model("exo2.keras")
+
+# Fonction de prédiction
+def predict(model, img_array, classes):
+    prediction = model.predict(img_array)
+    index = np.argmax(prediction)
+    return classes[index], prediction[0][index]
+
+# Interface utilisateur
+st.title("🧠 Classification d’images")
+
+option = st.selectbox("Choisissez le modèle :", ("Infecté / Non Infecté", "Chat / Chien"))
+
+uploaded_file = st.file_uploader("Uploader une image", type=["jpg", "png", "jpeg"])
+
+if uploaded_file:
+    image = Image.open(uploaded_file)
+    st.image(image, caption="Image chargée", use_column_width=True)
+
+    # Prétraitement
+    image = image.resize((224, 224))  # à adapter selon votre modèle
+    img_array = np.array(image) / 255.0
+    img_array = np.expand_dims(img_array, axis=0)
+
+    if option == "Infecté / Non Infecté":
+        label, confidence = predict(model_infect, img_array, ["Non Infecté", "Infecté"])
+    else:
+        label, confidence = predict(model_animals, img_array, ["Chat", "Chien"])
+
+    st.success(f"Classe prédite : **{label}** avec une confiance de **{confidence:.2f}**")