Create app.py

app.py

@@ -0,0 +1,34 @@
+import gradio as gr
+import tensorflow as tf
+import numpy as np
+from PIL import Image
+
+# Carregue o modelo previamente treinado
+model = tf.keras.models.load_model("model.h5")
+
+# Crie uma função para realizar a classificação
+def classify_image(image):
+    # Pré-processamento da imagem (ajuste ao tamanho de entrada do modelo, normalização, etc.)
+    image = Image.fromarray(image.astype('uint8'))
+    image = image.resize((224, 224))  # Ajuste ao tamanho de entrada do modelo
+    image = np.array(image)
+    image = image / 255.0  # Normalização
+
+    # Realize a classificação
+    prediction = model.predict(image[None, ...])
+
+    # Decodifique a classe prevista
+    class_idx = np.argmax(prediction)
+    class_label = categories[class_idx]  # Substitua 'categories' pela sua lista de classes
+
+    return class_label
+
+# Crie uma interface Gradio para carregar a imagem e exibir a classificação
+iface = gr.Interface(
+    fn=classify_image,
+    inputs=gr.inputs.Image(),  # Entrada de imagem
+    outputs="text"  # Saída de texto com a classe prevista
+)
+
+# Inicie a interface Gradio
+iface.launch()