Update app.py

app.py

@@ -1,9 +1,14 @@
 import gradio as gr
+import tensorflow as tf
 import numpy as np
 from PIL import Image
 
+# Carga el modelo entrenado
+model = tf.keras.models.load_model("quickdraw_model.keras")
+etiquetas = ['apple', 'banana', 'bed', 'carrot', 'laptop']
+
 def preprocesar_imagen(image):
-    # El canvas da una imagen, NO vectores, así que procesamos como antes
+    # Convierte la imagen a escala de grises, 28x28 y binariza
     if isinstance(image, np.ndarray):
         image = Image.fromarray(image)
     image = image.convert('L')
@@ -11,23 +16,21 @@ 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, arr_bin
+    return arr_bin_4d
 
 def predict(image):
-    arr, img_proc = preprocesar_imagen(image)
-    preds = model.predict(arr)
+    x = preprocesar_imagen(image)
+    preds = model.predict(x)
     class_idx = np.argmax(preds)
-    return {etiquetas[class_idx]: float(preds[0][class_idx])}, img_proc
+    confidences = {etiquetas[i]: float(preds[0][i]) for i in range(len(etiquetas))}
+    return confidences
 
 iface = gr.Interface(
     fn=predict,
-    inputs=gr.Sketchpad(canvas_size=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."
+    inputs=gr.Image(label="Dibuja o sube una imagen (fondo blanco, trazo negro)"),
+    outputs=gr.Label(label="Predicción"),
+    title="QuickDraw - Clasificador de Dibujos",
+    description="Dibuja o sube una imagen y te dirá si es una apple, banana, bed, carrot o laptop."
 )
 
 iface.launch()