File size: 1,453 Bytes
7d453ef 8ada2ca e64877c 8ada2ca 7d453ef 8ada2ca 7d453ef c42e89d 8ada2ca c42e89d 8ada2ca c42e89d |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 |
import gradio as gr
import tensorflow as tf
import numpy as np
# Модельді жүктеу
model = tf.keras.models.load_model('model.hdf5', compile=False)
# Класстар тізімі
LABELS = ['NORMAL', 'TUBERCULOSIS', 'PNEUMONIA', 'COVID19']
# Суретті өңдеу және болжау функциясы
def predict_input_image(img):
img = img.resize((128, 128)) # Суреттің өлшемін өзгертеміз
img_array = np.array(img).reshape(-1, 128, 128, 3) / 255.0
prediction = model.predict(img_array)[0]
return {LABELS[i]: float(prediction[i]) for i in range(4)}
# Clear функциясы
def clear_image():
return None
# Интерфейс құру
with gr.Blocks(title="Lung Disease Classification") as demo:
gr.Markdown("## Lung Disease Classification Model\nUpload a chest X-ray to predict disease class.")
with gr.Row():
with gr.Column(scale=1, min_width=600):
image = gr.Image(type="pil", label="Upload image")
with gr.Row():
clear_btn = gr.Button("Clear")
submit_btn = gr.Button("Submit", variant='primary')
label = gr.Label(num_top_classes=4)
# Батырмаларға функцияларды бекіту
clear_btn.click(fn=clear_image, inputs=[], outputs=image)
submit_btn.click(fn=predict_input_image, inputs=image, outputs=label)
# Интерфейсті іске қосу
demo.launch()
|