Update app.py

app.py

@@ -8,7 +8,6 @@ import matplotlib.pyplot as plt
 class_names = ['airplane', 'automobile', 'bird']
 
 # Cargar el modelo preentrenado (asegúrate de que esté disponible en el Space)
-# Por ejemplo, si el modelo está en el mismo directorio:
 model = tf.keras.models.load_model('final_model.keras')
 
 # Definir las medias y desviaciones estándar para la normalización
@@ -26,7 +25,7 @@ def load_and_preprocess_image(image):
         img = np.stack([img] * 3, axis=-1)
 
     img = img.astype('float32')  # Asegurarse de que la imagen sea de tipo float32
-    img = (img - mean) / std  # Normalizar la imagen
+    img = (img / 255.0 - mean) / std  # Normalizar la imagen
 
     # Añadir una dimensión adicional para representar el batch (1 imagen)
     img = np.expand_dims(img, axis=0)
@@ -39,20 +38,24 @@ def predict_image(image):
 
     # Hacer la predicción
     prediction = model.predict(img)
-    pred_label = np.argmax(prediction)
-    pred_prob = prediction[0][pred_label] * 100  # Probabilidad en porcentaje
 
-    # Mostrar el resultado
-    pred_label_name = class_names[pred_label]
-    return f'Predicción: {pred_label_name} con una probabilidad de {pred_prob:.2f}%'
+    # Obtener las probabilidades de todas las clases
+    probabilities = tf.nn.softmax(prediction[0]).numpy()
+
+    # Crear un diccionario con las probabilidades de cada clase
+    results = {class_names[i]: float(probabilities[i]) * 100 for i in range(len(class_names))}
+
+    # Formatear el resultado como una cadena de texto
+    result_str = "\n".join([f"{class_name}: {prob:.2f}%" for class_name, prob in results.items()])
+    return result_str
 
 # Crear la interfaz de Gradio
 interface = gr.Interface(
     fn=predict_image,  # Función que realiza la predicción
     inputs=gr.Image(type="filepath", label="Sube una imagen"),  # Entrada: imagen
-    outputs=gr.Textbox(label="Predicción"),  # Salida: texto con la predicción
+    outputs=gr.Textbox(label="Probabilidades"),  # Salida: texto con las probabilidades
     title="Clasificador de imágenes CIFAR-10",
-    description="Sube una imagen de un avión, automóvil o pájaro para clasificarla."
+    description="Sube una imagen de un avión, automóvil o pájaro para ver las probabilidades de cada clase."
 )
 
 # Lanzar la aplicación