Update app.py

app.py

@@ -1,75 +1,44 @@
-import numpy as np
-from PIL import Image as PILImage
 import gradio as gr
 from fastai.vision.all import *
 from huggingface_hub import from_pretrained_fastai
 
-# Función auxiliar para convertir las selecciones del menú en una imagen
-def menu_to_image(selected_cells, selected_year, selected_inclinacion):
-    # Dimensiones de la matriz de la imagen
-    m, n = 20, 18
-    image_matrix = np.zeros((n, m, 3), dtype=np.uint8)
-
-    # Asignar valores a las celdas seleccionadas
-    for col, row in selected_cells:
-        image_matrix[n - row, ord(col) - ord("A")] = [255, 255, 255]  # Blanco
-
-    # Escalar la columna "AÑO" y asignar valores de gris
-    ano_scaled = (selected_year - 2016) / (2019 - 2016)
-    grey_intensity_ano = int(ano_scaled * (255 - 50) + 50)
-    image_matrix[:, -7:-5] = [grey_intensity_ano, grey_intensity_ano, grey_intensity_ano]
-
-    # Escalar la columna "INCLINACION" y asignar valores de gris
-    inclinacion_scaled = (selected_inclinacion - 25) / (40 - 25)
-    grey_intensity_inclinacion = int(inclinacion_scaled * (100) + 100)
-    image_matrix[:, -3:-1] = [grey_intensity_inclinacion, grey_intensity_inclinacion, grey_intensity_inclinacion]
-
-    # Convertir la matriz numpy a imagen PIL
-    image_pil = PILImage.fromarray(image_matrix, 'RGB')
-
-    # Redimensionar al triple del tamaño resultante sin suavizar
-    new_size = (image_pil.width * 3, image_pil.height * 3)
-    resized_image_pil = image_pil.resize(new_size, resample=PILImage.NEAREST)
-
-    return resized_image_pil
-
 # Cargar el modelo preentrenado
-repo_id = "ignaciobfp/moonboard"
+repo_id = "ignaciobfp/moonboard_difficulty"
 learner = from_pretrained_fastai(repo_id)
 labels = learner.dls.vocab
 
 # Función para realizar predicciones
-def predict(img, selected_cells, selected_year, selected_inclinacion):
+def predict(img):
     if isinstance(img, gr.Image):
         img_array = np.array(img)
     else:
         img_array = np.array(gr.Image.from_file(img))
 
-    # Generar imagen a partir de las selecciones del menú
-    menu_image = menu_to_image(selected_cells, selected_year, selected_inclinacion)
-
-    # Realizar la predicción en la imagen generada por el menú
-    pred, pred_idx, probs = learner.predict(np.array(menu_image))
+    # Realizar la predicción en la imagen proporcionada
+    pred, pred_idx, probs = learner.predict(img_array)
     
     return {
         "Predictions": {labels[i]: float(probs[i]) for i in range(len(labels))},
-        "Menu Image": gr.Image(menu_image)
+        "Input Image": img
     }
 
-# Crear las opciones para el menú emergente
-columns = list("ABCDEFGHIJK")
-rows = list(range(1, 19))
-cell_options = [(col, row) for col in columns for row in rows]
+# Crear ejemplos
+examples = [
+    ["easy1.jpg"],
+    ["easy2.jpg"],
+    ["easy3.jpg"],
+    ["med1.jpg"],
+    ["med2.jpg"],
+    ["med3.jpg"],
+    ["hard1.jpg"],
+    ["hard2.jpg"],
+    ["hard3.jpg"]
+]
 
 # Crear la interfaz y lanzarla
 iface = gr.Interface(
     fn=predict,
-    inputs=[
-        gr.Image(shape=(128, 128)),  # Permitir subir una imagen o usar ejemplos
-        gr.MultiCheckbox(cell_options, label="Selecciona las celdas:"),
-        gr.Dropdown(list(range(2016, 2020)), label="Selecciona el año:"),
-        gr.Dropdown(list(range(25, 41)), label="Selecciona la inclinación:")
-    ],
+    inputs=gr.Image(shape=(128, 128), examples=examples),
     outputs=[gr.Label(num_top_classes=3), gr.Image()],
     live=True
 )