Delete app.py

app.py

@@ -1,95 +0,0 @@
-import os
-import numpy as np
-import tensorflow as tf
-from tensorflow.keras import layers, models
-from PIL import Image
-import gradio as gr
-import pickle
-import json
-
-# Load config
-with open('model_config.json', 'r') as f:
-    config = json.load(f)
-
-IMG_HEIGHT = config['img_height']
-IMG_WIDTH = config['img_width']
-num_classes = config['num_classes']
-
-# Load label encoder
-with open('label_encoder.pkl', 'rb') as f:
-    le = pickle.load(f)
-
-# Rebuild model architecture
-model = models.Sequential([
-    layers.Conv2D(64, (3, 3), activation='relu', padding='same', input_shape=(IMG_HEIGHT, IMG_WIDTH, 3)),
-    layers.MaxPooling2D((2, 2)),
-    layers.Flatten(),
-    layers.Dropout(0.5),
-    layers.Dense(num_classes, activation='softmax')
-])
-
-# Load weights
-model.load_weights('model_weights.h5')
-
-# Compile (cần thiết cho predict)
-model.compile(
-    optimizer='adam',
-    loss='sparse_categorical_crossentropy',
-    metrics=['accuracy']
-)
-
-print("✅ Model loaded successfully!")
-
-def predict_traffic_sign(image):
-    """
-    Hàm dự đoán biển báo giao thông từ ảnh đầu vào
-    """
-    try:
-        # Xử lý ảnh đầu vào
-        img = Image.fromarray(image.astype('uint8')).convert('RGB')
-        img = img.resize((IMG_HEIGHT, IMG_WIDTH))
-        img_array = np.array(img).astype('float32') / 255.0
-        img_array = np.expand_dims(img_array, axis=0)
-        
-        # Dự đoán
-        predictions = model.predict(img_array, verbose=0)
-        predicted_class_idx = np.argmax(predictions[0])
-        confidence = predictions[0][predicted_class_idx]
-        
-        # Lấy tên lớp
-        predicted_class_name = le.inverse_transform([predicted_class_idx])[0]
-        
-        # Tạo dictionary kết quả cho tất cả các lớp
-        results = {}
-        for idx, class_name in enumerate(le.classes_):
-            results[class_name] = float(predictions[0][idx])
-        
-        return results
-    
-    except Exception as e:
-        return {f"Error: {str(e)}": 0.0}
-
-# Tạo Gradio Interface
-demo = gr.Interface(
-    fn=predict_traffic_sign,
-    inputs=gr.Image(label="Tải ảnh biển báo giao thông"),
-    outputs=gr.Label(num_top_classes=5, label="Kết quả dự đoán"),
-    title="🚦 Nhận diện Biển báo Giao thông",
-    description="""
-    **Upload một ảnh biển báo giao thông để nhận diện.**
-    
-    Model CNN được huấn luyện để phân loại các loại biển báo giao thông Việt Nam.
-    
-    📊 Kết quả hiển thị top 5 dự đoán có xác suất cao nhất.
-    """,
-    examples=[
-        # Thêm đường dẫn đến ảnh mẫu trong thư mục examples/
-    ],
-    theme=gr.themes.Soft(),
-    allow_flagging="never",
-    analytics_enabled=False
-)
-
-# Launch
-if __name__ == "__main__":
-    demo.launch()