Update app.py

app.py

@@ -1,15 +1,9 @@
 import gradio as gr
 import numpy as np
 from PIL import Image
-import tensorflow as tf
-
-# Cargar modelo
-model = tf.keras.models.load_model("quickdraw_model.keras")
-
-# etiquetas usadas en el entrenamiento
-etiquetas = ['apple', 'banana', 'bed', 'carrot', 'laptop']
 
 def preprocesar_imagen(image):
+    # El canvas da una imagen, NO vectores, así que procesamos como antes
     if isinstance(image, np.ndarray):
         image = Image.fromarray(image)
     image = image.convert('L')
@@ -17,20 +11,23 @@ def preprocesar_imagen(image):
     arr = np.array(image) / 255.0
     arr_bin = (arr < 0.5).astype(np.float32)
     arr_bin_4d = arr_bin.reshape(1, 28, 28, 1)
-    return arr_bin_4d
+    return arr_bin_4d, arr_bin
 
 def predict(image):
-    x = preprocesar_imagen(image)
-    preds = model.predict(x)
+    arr, img_proc = preprocesar_imagen(image)
+    preds = model.predict(arr)
     class_idx = np.argmax(preds)
-    return {etiquetas[class_idx]: float(preds[0][class_idx])}
+    return {etiquetas[class_idx]: float(preds[0][class_idx])}, img_proc
 
 iface = gr.Interface(
     fn=predict,
-    inputs=gr.Image(label="Dibuja o sube una imagen"),
-    outputs=gr.Label(label="Predicción"),
-    title="Predicción QuickDraw",
-    description="Dibuja o sube una imagen para clasificarla."
+    inputs=gr.Sketchpad(shape=(256, 256), label="Dibuja aquí", brush=10, bg_color="white"),
+    outputs=[
+        gr.Label(num_top_classes=1, label="Predicción"),
+        gr.Image(label="Imagen preprocesada (0-1)")
+    ],
+    title="Dibujo estilo QuickDraw",
+    description="Dibuja, se procesa como 28x28 para la IA."
 )
 
 iface.launch()