Update app.py

app.py

@@ -1,15 +1,34 @@
 import gradio as gr
 import tensorflow as tf
+import numpy as np
 
-model = tf.keras.models.load_model("hf://JaviSwift/cifar10_simple")  # Cambia esto por tu usuario y nombre del modelo
+model = tf.keras.models.load_model('JaviSwift/cifar10_simple')
 
-def predict(image):
-    image = tf.image.resize(image, (32, 32))  # Ajusta según tu modelo
-    image = image / 255.0  # Normaliza si es necesario
-    image = tf.expand_dims(image, axis=0)  # Añade dimensión para batch
+def predict_image(img):
+    """
+    Realiza la predicción sobre la imagen dada usando el modelo Keras.
+    """
 
-    predictions = model.predict(image)
-    return predictions.argmax(axis=1)[0]  # Devuelve la clase predicha
+    img = tf.image.resize(img, (32, 32))
+    img = img / 255.0
+    img = np.expand_dims(img, axis=0)
+
+    prediction = model.predict(img)
+
+    predicted_class = np.argmax(prediction)
+
+    class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
+    predicted_label = class_names[predicted_class]
+
+    return predicted_label
+
+
+iface = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(shape=(32, 32), image_mode="RGB", source="upload", tool="editor"),
+    outputs=gr.Label(num_top_classes=3),
+    title="Clasificador de Imágenes con Keras",
+    description="Cargue una imagen para clasificarla usando un modelo Keras entrenado en CIFAR-10." 
+)
 
-iface = gr.Interface(fn=predict, inputs="image", outputs="label")
 iface.launch()