Update app.py

app.py

@@ -1,44 +1,7 @@
-import tensorflow as tf
 import gradio as gr
-import requests
-import numpy as np
-from PIL import Image
-from tensorflow.keras.applications.inception_v3 import decode_predictions
 
-# Cargar modelo preentrenado
-inception_net = tf.keras.applications.InceptionV3(weights='imagenet')
-
-# Descargar etiquetas
-response = requests.get("https://git.io/JJkYN")
-labels = response.text.split("\n")
-
-def clasifica_imagen(imagen):
-    # Convertir el array a imagen PIL
-    imagen = Image.fromarray(np.uint8(imagen))
-    
-    # Redimensionar la imagen a 299x299
-    imagen = imagen.resize((299, 299))
-    
-    # Convertir la imagen a un array de NumPy
-    imagen = np.array(imagen)
-    
-    # Asegurarse de que la imagen tiene 3 canales
-    if imagen.ndim == 2:
-        imagen = np.stack([imagen] * 3, axis=-1)
-    
-    # Preprocesar la imagen para el modelo
-    imagen = tf.image.convert_image_dtype(imagen, dtype=tf.float32)
-    imagen = tf.keras.applications.inception_v3.preprocess_input(imagen)
-    
-    # Añadir una dimensión batch
-    imagen = tf.expand_dims(imagen, axis=0)
-    
-    # Realizar la predicción
-    predicciones = inception_net.predict(imagen)
-    confidences = decode_predictions(predicciones, top=3)[0]
-    
-    return {etiqueta: float(confianza) for (_, etiqueta, confianza) in confidences}
-
-# Crear la interfaz de Gradio
-demo = gr.Interface(fn=clasifica_imagen, inputs=gr.Image(), outputs=gr.Label(num_top_classes=3))
-demo.launch(debug=True)
+titulo = "Mi primer demo con Hugging Face"
+descripcion = "Este es un demo ejecutado durante la clase."
+gr.load("huggingface/microsoft/swin-tiny-patch4-window7-224",
+        title=titulo,
+        description=descripcion).launch(debug=True)