Update app.py

app.py

@@ -1,54 +1,25 @@
 import tensorflow as tf
 import gradio as gr
+from transformers import ViTFeatureExtractor
+import numpy as np
+from PIL import Image
 
 # .h5 파일을 이용한 모델 로드
 model = tf.keras.models.load_model('path_to_your_model.h5')
 
 # 이미지 전처리 함수
 def preprocess_image(image):
-    image = tf.image.resize(image, [224, 224]) # 모델에 맞게 이미지 크기 조정
-    image = tf.cast(image, tf.float32) / 255.0 # 정규화
-    image = tf.expand_dims(image, axis=0) # 배치 차원 추가
+    image = Image.fromarray(image)
+    image = image.resize((224, 224))
+    image = np.array(image) / 255.0
+    image = np.expand_dims(image, axis=0)
     return image
 
 # 예측 함수
 def predict(image):
     processed_image = preprocess_image(image)
     predictions = model.predict(processed_image)
-    predicted_class = tf.argmax(predictions, axis=-1).numpy()[0]
-    return predicted_class
-
-# Gradio 인터페이스 설정
-interface = gr.Interface(
-    fn=predict,
-    inputs=gr.inputs.Image(source="upload", tool="editor"),
-    outputs="label",
-    live=True
-)
-
-# Gradio 웹 인터페이스 실행
-if __name__ == "__main__":
-    interface.launch()
-
-
-import tensorflow as tf
-import gradio as gr
-
-# .h5 파일을 이용한 모델 로드
-model = tf.keras.models.load_model('path_to_your_model.h5')
-
-# 이미지 전처리 함수
-def preprocess_image(image):
-    image = tf.image.resize(image, [224, 224]) # 모델에 맞게 이미지 크기 조정
-    image = tf.cast(image, tf.float32) / 255.0 # 정규화
-    image = tf.expand_dims(image, axis=0) # 배치 차원 추가
-    return image
-
-# 예측 함수
-def predict(image):
-    processed_image = preprocess_image(image)
-    predictions = model.predict(processed_image)
-    predicted_class = tf.argmax(predictions, axis=-1).numpy()[0]
+    predicted_class = np.argmax(predictions, axis=-1)[0]
     return predicted_class
 
 # Gradio 인터페이스 설정