Update app.py

app.py

@@ -3,11 +3,13 @@ import tensorflow as tf
 import numpy as np
 from PIL import Image, ImageOps
 
-# Cargar el modelo
+# Cargar modelo
 model = tf.keras.models.load_model("quickdraw_model.keras")
-etiquetas = ['car', 'cloud', 'moon']  # Cambia si tu modelo tiene otras
+etiquetas = ['car', 'cloud', 'moon']  # AJUSTA según tu modelo
 
 def preprocesar_imagen(image):
+    if image is None:
+        raise ValueError("No se recibió imagen.")
     if image.mode in ('RGBA', 'LA'):
         image = image.convert('RGB')
     image = image.convert('L')
@@ -17,19 +19,23 @@ def preprocesar_imagen(image):
     return arr
 
 def predict(image):
-    arr = preprocesar_imagen(image)
-    imagen_procesada = (arr * 255).astype(np.uint8)
-    entrada = arr.reshape(1, 784)
-    preds = model.predict(entrada)
-    class_idx = np.argmax(preds)
-    return etiquetas[class_idx], imagen_procesada
+    try:
+        arr = preprocesar_imagen(image)
+        imagen_procesada = (arr * 255).astype(np.uint8)
+        entrada = arr.reshape(1, 784)
+        preds = model.predict(entrada)
+        class_idx = np.argmax(preds)
+        return {etiquetas[class_idx]: float(preds[0][class_idx])}, imagen_procesada
+    except Exception as e:
+        # Esto muestra el error en la interfaz de Gradio
+        return f"Error: {str(e)}", None
 
 iface = gr.Interface(
     fn=predict,
     inputs=gr.Image(label="Dibuja o sube una imagen (fondo blanco, trazo negro)"),
     outputs=[
         gr.Label(num_top_classes=1, label="Predicción"),
-        gr.Image(label="Imagen preprocesada (lo que ve la IA)")  # <--- SIN shape
+        gr.Image(label="Imagen preprocesada (lo que ve la IA)")
     ],
     title="QuickDraw API",
     description="API para reconocer dibujos estilo QuickDraw. Muestra la imagen preprocesada."