Delete App.py

App.py

@@ -1,50 +0,0 @@
-import gradio as gr
-import cv2
-import numpy as np
-from tensorflow.keras.models import load_model
-from tensorflow.keras.applications.mobilenet_v2 import preprocess_input
-import os
-
-# Rutas relativas dentro del *Space* en Hugging Face
-code_path = os.getcwd()  # Obtiene el directorio actual donde está el script
-models_path = os.path.join(code_path, 'models')
-haarcascade_path = os.path.join(code_path, 'haarcascades', 'haarcascade_frontalface_default.xml')
-
-# Verificar si el archivo Haar Cascade existe
-if not os.path.exists(haarcascade_path):
-    print(f'No se encontró el archivo Haar Cascade en {haarcascade_path}. Asegúrate de subirlo correctamente.')
-    exit()
-
-# Cargar el clasificador Haar Cascade para detección de rostros
-face_cascade = cv2.CascadeClassifier(haarcascade_path)
-
-# Cargar el modelo entrenado
-modelo_guardado = os.path.join(models_path, 'modelo_estimacion_edad_mejor.h5')
-if not os.path.exists(modelo_guardado):
-    print(f'No se encontró el modelo en {modelo_guardado}. Por favor, entrena el modelo primero.')
-    exit()
-
-modelo = load_model(modelo_guardado)
-print('Modelo cargado exitosamente.')
-
-# Función para realizar la predicción
-def estimar_edad(image):
-    # Convertir imagen a formato adecuado
-    rostro_resized = cv2.resize(image, (128, 128))
-    rostro_rgb = cv2.cvtColor(rostro_resized, cv2.COLOR_BGR2RGB)
-    rostro_expanded = np.expand_dims(rostro_rgb, axis=0)
-    rostro_preprocessed = preprocess_input(rostro_expanded)
-
-    # Realizar la predicción de edad
-    edad_predicha = modelo.predict(rostro_preprocessed)[0][0]
-    edad_predicha = round(edad_predicha, 2)
-    return edad_predicha
-
-# Crear interfaz con Gradio
-interface = gr.Interface(fn=estimar_edad,
-                         inputs=gr.inputs.Image(type="numpy"),  # Entrada de imagen
-                         outputs="text",  # Salida del texto de la edad
-                         live=True)
-
-# Lanzar la interfaz
-interface.launch()