Update app.py

app.py

@@ -1,21 +1,35 @@
-from huggingface_hub import from_pretrained_fastai
-import gradio as gr
 from fastai.vision.all import *
+import gradio as gr
 
+# 1. Carga las clases
+labels = ['okabe', 'kurisu']  # ← Ajusta con tus etiquetas reales
 
+# 2. Reconstruye los data loaders (usa imagen ficticia para construirlos)
+def label_func(fname): return 'okabe'  # dummy label
 
-repo_id = "MarioGL/datasetSG"
+dls = ImageDataLoaders.from_name_func(
+    Path('.'), 
+    get_image_files('.'), 
+    label_func=label_func,
+    item_tfms=Resize(224),
+    bs=1  # batch size pequeño, no se usará en producción
+)
 
-learner = from_pretrained_fastai(repo_id)
-labels = learner.dls.vocab
+# 3. Reconstruye el modelo (usa tu arquitectura real si es distinta)
+learn = cnn_learner(dls, resnet34)
+learn.load('model_weights')  # Asegúrate de subir este archivo .pth a tu repo HF
 
-# Definimos una función que se encarga de llevar a cabo las predicciones
+# 4. Predicción
 def predict(img):
-    #img = PILImage.create(img)
-    pred,pred_idx,probs = learner.predict(img)
+    pred, pred_idx, probs = learn.predict(img)
     return {labels[i]: float(probs[i]) for i in range(len(labels))}
-    
-# Creamos la interfaz y la lanzamos. 
-gr.Interface(fn=predict, inputs=gr.Image(), outputs=gr.Label(num_top_classes=3),examples=['kurisu.jpg','okabe.jpg']).launch(share=False)
- 
+
+# 5. UI
+gr.Interface(
+    fn=predict,
+    inputs=gr.Image(),
+    outputs=gr.Label(num_top_classes=3),
+    examples=['kurisu.jpg', 'okabe.jpg']
+).launch(share=False)
+