Update src/streamlit_app.py

src/streamlit_app.py

@@ -3,43 +3,47 @@ from PIL import Image
 import numpy as np
 from tensorflow.keras.models import load_model
 
+# 🌟 Sayfa ayarları
 st.set_page_config(page_title="Sıtma Sınıflandırıcı", page_icon="🦟")
 
+# 🧪 Başlık
 st.title("🦟 Sıtma Resmi Sınıflandırma")
 st.write("Bir mikroskop görüntüsü yükleyin, sıtma olup olmadığını tahmin edelim.")
 
-# MODELİ YÜKLE (compile=False kritik!)
+# 🔍 MODELİ YÜKLE
+model_path = "src/myn_cnn_model.h5"
 try:
-    model = load_model("src/myn_cnn_model.h5", compile=False)
-    st.success("✅ Model başarıyla yüklendi.")
+    model = load_model(model_path, compile=False)
+    st.success(f"✅ Model yüklendi: `{model_path}`")
 except Exception as e:
     st.error(f"❌ Model yüklenemedi: {e}")
     st.stop()
 
-# SINIFLAR
+# 🏷️ Sınıf adları
 class_names = ["Sıtma Değil", "Sıtma"]
 
-# GÖRSEL SEÇİCİ
+# 📂 Dosya yükleyici
 file = st.file_uploader("📷 Mikroskop Görüntüsü Seçin", type=["jpg", "jpeg", "png"])
 
-# TAHMİN İŞLEMİ
+# 🔮 Tahmin işlemi
 if file:
     try:
         image = Image.open(file).convert("RGB")
-        st.image(image, caption="Yüklenen Resim", use_container_width=True)
+        st.image(image, caption="Yüklenen Görsel", use_container_width=True)
 
-        img = image.resize((170, 170))
+        # 📏 MODELE UYUMLU ŞEKİLDE GÖRSELİ HAZIRLA
+        img = image.resize((170, 170))  # ✅ MODELİN GEREKTİRDİĞİ BOYUT
         img = np.array(img) / 255.0
         img = np.expand_dims(img, axis=0)
 
-        # 📌 TAHMİN
+        # 📊 Tahmin
         prediction = model.predict(img)
 
-        # RAW ÇIKTIYI GÖSTER (debug için)
-        st.write("📊 Model çıktısı (şekil):", prediction.shape)
-        st.write("📊 Model çıktısı (değer):", prediction.tolist())
+        # RAW sonuçlar
+        st.subheader("📊 Model Çıktısı:")
+        st.write(prediction)
 
-        # SHAPE KONTROLÜ VE YORUMLAMA
+        # 🔎 Tahmini yorumla
         if prediction.shape[-1] == 1:
             predicted_class = int(prediction[0][0] > 0.5)
         elif prediction.shape[-1] == 2:
@@ -48,10 +52,10 @@ if file:
             st.error("⚠️ Model çıktısı beklenmeyen formatta.")
             st.stop()
 
-        # SONUCU GÖSTER
+        # 🎯 Sonuç
         st.success(f"🧪 Tahmin: **{class_names[predicted_class]}**")
 
-        # SKORLARI GÖSTER
+        # 🔢 Skorlar
         st.subheader("📈 Sınıf Skorları:")
         for i, score in enumerate(prediction[0]):
             if i < len(class_names):