Update app.py

app.py

@@ -2,10 +2,23 @@ import gradio as gr
 import tensorflow as tf
 import numpy as np
 
-# Load your trained TensorFlow model
-model = tf.keras.models.load_model('modelo_treinado.h5')  # Load your saved model
+# Defina a camada personalizada FixedDropout
+class FixedDropout(tf.keras.layers.Dropout):
+    def _get_noise_shape(self, inputs):
+        if self.noise_shape is None:
+            return self.noise_shape
+        symbolic_shape = tf.shape(inputs)
+        noise_shape = [symbolic_shape[axis] if shape is None else shape
+                       for axis, shape in enumerate(self.noise_shape)]
+        return tuple(noise_shape)
 
-# Define a function to make predictions
+# Registre a camada personalizada FixedDropout
+tf.keras.utils.get_custom_objects()['FixedDropout'] = FixedDropout
+
+# Carregue seu modelo TensorFlow treinado
+model = tf.keras.models.load_model('modelo_treinado.h5')
+
+# Defina uma função para fazer previsões
 def classify_image(input_image):
     # Redimensione a imagem para as dimensões corretas (192x256)
     input_image = tf.image.resize(input_image, (192, 256))  # Redimensione para as dimensões esperadas