Update app.py

app.py

@@ -5,31 +5,20 @@ from PIL import Image, ImageOps
 
 # Cargar el modelo
 model = tf.keras.models.load_model("quickdraw_model.keras")
-
-# Tus etiquetas en el mismo orden de entrenamiento (ajusta si usaste otro orden)
-etiquetas = ['car', 'cloud', 'moon']
+etiquetas = ['car', 'cloud', 'moon']  # Cambia si tu modelo tiene otras
 
 def preprocesar_imagen(image):
-    # Si viene con canal alfa, elimina alfa
     if image.mode in ('RGBA', 'LA'):
         image = image.convert('RGB')
-    # Convertir a escala de grises
     image = image.convert('L')
-    # Invertir (fondo blanco, trazo negro)
     image = ImageOps.invert(image)
-    # Redimensionar a 28x28, SIN suavizar
     image = image.resize((28, 28), Image.NEAREST)
-    # Normalizar a 0-1
     arr = np.array(image) / 255.0
-    # (Opcional) Reinvertir si tu modelo espera trazo blanco y fondo negro
-    # arr = 1 - arr
     return arr
 
 def predict(image):
     arr = preprocesar_imagen(image)
-    # Mostrar lo que ve la IA
     imagen_procesada = (arr * 255).astype(np.uint8)
-    # Redimensionar para la IA (aplanar)
     entrada = arr.reshape(1, 784)
     preds = model.predict(entrada)
     class_idx = np.argmax(preds)
@@ -40,7 +29,7 @@ iface = gr.Interface(
     inputs=gr.Image(label="Dibuja o sube una imagen (fondo blanco, trazo negro)"),
     outputs=[
         gr.Label(num_top_classes=1, label="Predicción"),
-        gr.Image(shape=(28, 28), label="Imagen preprocesada (lo que ve la IA)")
+        gr.Image(label="Imagen preprocesada (lo que ve la IA)")  # <--- SIN shape
     ],
     title="QuickDraw API",
     description="API para reconocer dibujos estilo QuickDraw. Muestra la imagen preprocesada."