Upload files

upload project files

app.py

@@ -0,0 +1,53 @@
+import gradio as gr
+import tensorflow as tf
+import numpy as np
+from PIL import Image
+import io
+
+# Cargar el modelo guardado
+try:
+    model = tf.keras.models.load_model('cnn_mnist_model.h5')
+    print("Modelo CNN cargado exitosamente.")
+except Exception as e:
+    print(f"Error al cargar el modelo: {e}")
+    model = None
+
+def predict_image(image):
+    if model is None:
+        return "Error: Modelo no cargado"
+
+    try:
+        # Convertir la imagen de Gradio a escala de grises y redimensionar a 28x28
+        img = image.convert('L')
+        img = img.resize((28, 28), Image.LANCZOS)
+        
+        # Convertir a un array de NumPy
+        img_array = np.array(img)
+        
+        # Normalizar los valores de los píxeles al rango de 0.0 a 1.0
+        processed_image = img_array.astype('float32') / 255.0
+        
+        # Redimensionar para el modelo CNN (1, 28, 28, 1)
+        processed_image = processed_image.reshape(1, 28, 28, 1)
+        
+        # Hacer la predicción
+        prediction = model.predict(processed_image)
+        predicted_class = np.argmax(prediction, axis=1)[0]
+        
+        return f"Predicción: {predicted_class}"
+    
+    except Exception as e:
+        return f"Error: {str(e)}"
+
+# Crear la interfaz de Gradio
+interface = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(type="pil", label="Sube una imagen de un dígito (28x28, escala de grises)"),
+    outputs=gr.Textbox(label="Resultado"),
+    title="Reconocimiento de Dígitos con CNN",
+    description="Sube una imagen de un dígito escrito a mano para predecirlo usando un modelo CNN."
+)
+
+# Lanzar la interfaz
+if __name__ == "__main__":
+    interface.launch()

cnn_mnist_model.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f8963d2f857350fbbcce7f6cbb5eb4469d988920070aa270d7df5bee5aca18fd
+size 2743672