Update app.py

app.py

@@ -1,11 +1,13 @@
 import gradio as gr
 import tensorflow as tf
 import numpy as np
-import cv2  # Faltaba importar OpenCV
+import cv2
 from huggingface_hub import hf_hub_download
+import time
 
 # Descargar modelo desde Hugging Face
 model_path = hf_hub_download(repo_id="Bmo411/DenoisingAutoencoder", filename="autoencoder_complete_model_Fourier.keras")
+model = tf.keras.models.load_model(model_path)
 
 from tensorflow.keras.saving import register_keras_serializable
 
@@ -65,15 +67,28 @@ def Denoiser(imagen):
     # Expandir dimensiones para que tenga el formato correcto para el modelo (batch_size, h, w, c)
     noisy_image_input = np.expand_dims(noisy_image, axis=0)
 
+    # Medir el tiempo de la predicción
+    start_time = time.time()
+
     # Predecir con el autoencoder
     reconstructed = model.predict(noisy_image_input)[0]  # Quitar batch_size
 
+    prediction_time = time.time() - start_time
+    print(f"Tiempo de predicción: {prediction_time} segundos")
+
     # Asegurarse de que la imagen restaurada esté en el rango [0, 255] para la visualización
     noisy_image = np.uint8(noisy_image * 255)
     reconstructed = np.uint8(reconstructed * 255)
 
     return noisy_image, reconstructed
 
+# Verificar si TensorFlow está utilizando la GPU
+physical_devices = tf.config.list_physical_devices('GPU')
+if physical_devices:
+    print("TensorFlow está utilizando la GPU")
+else:
+    print("TensorFlow no está utilizando la GPU")
+
 # Crear interfaz en Gradio con dos salidas de imagen
 demo = gr.Interface(
     fn=Denoiser,