Update app.py

app.py

@@ -21,8 +21,11 @@ class_names = ["Normal", "Cataract"]
 
 # Defina a função de classificação
 def classify_image(inp):
-    # Reshape a imagem de entrada para o formato esperado pelo modelo
-    img = inp.reshape((-1, 224, 224, 3))
+    # Reshape a imagem de entrada para o formato esperado pelo modelo (192x256)
+    img = tf.image.resize(inp, (192, 256))
+
+    # Adicione uma dimensão para corresponder ao formato (None, 192, 256, 3)
+    img = tf.expand_dims(img, axis=0)
 
     # Faça uma previsão usando o modelo treinado
     prediction = loaded_model.predict(img).flatten()
@@ -30,6 +33,7 @@ def classify_image(inp):
     # Retorna a classe prevista
     return class_names[np.argmax(prediction)]
 
+
 # Crie uma interface Gradio
 iface = gr.Interface(
     fn=classify_image,