Create app.py

app.py

@@ -0,0 +1,51 @@
+import gradio as gr
+import tensorflow as tf
+import numpy as np 
+import cv2
+
+new_model = tf.keras.models.load_model('/content/drive/MyDrive/1.h5')
+new_model_severite = tf.keras.models.load_model('/content/drive/MyDrive/model_severite_sckin.h5')
+
+def classify_image(file_name,choix):
+    if choix == "Categorisation":
+      img1 = cv2.imread(file_name.name.replace("\\",'/'),0)
+      img = cv2.resize(img1, (256,256))
+      img = img.reshape(img.shape[0],img.shape[1],1)
+      pred = new_model.predict(np.array([img]))
+      pred_arg = pred.argmax()
+      pred_coef = pred[0][pred.argmax()]
+      if pred_arg == 0:
+          pred = "MEL avec une précision de  " + str(pred_coef)
+      elif pred_arg == 1:
+          pred= "NV avec une précision de " + str(pred_coef)
+      elif pred_arg == 2:
+          pred= "BCC avec une précision de "+ str(pred_coef)
+      elif pred_arg == 3:
+          pred= "AKIEC avec une précision de "+ str(pred_coef)
+      elif pred_arg == 4:
+          pred= "BKL avec une précision de "+ str(pred_coef)
+      elif pred_arg == 5:
+          pred= "DF avec une précision de "+ str(pred_coef)
+      elif pred_arg == 6:
+          pred= "VASC avec une précision de "+ str(pred_coef)
+      return pred
+    else:
+      img = cv2.imread('/content/2.jpg',cv2.IMREAD_UNCHANGED)
+      resized_image = cv2.resize(img, (256, 256), interpolation=cv2.INTER_AREA)
+      pred = new_model_severite.predict(np.expand_dims(resized_image, 0))
+      if pred[0][0]==0:
+        pred = "Malin"
+      else:
+        pred = "Benin"
+      return pred
+image = gr.inputs.File( file_count="single",type="file", label="Fichier à Traiter")
+rad = gr.Radio(["Severité", "Categorisation"], label="Choix de mode de traitement", info="Que voulez-vous faire?")
+gr.Interface(
+    fn=classify_image, 
+    inputs=[image,rad], 
+    outputs="text", 
+    interpretation="default",
+    theme="dark-peach",
+    title="API SkinNet de Test de diagnostique du Cancer de peau",
+    description="Cette API est utilisé pour dire si le Cancer de sein est Maline ou Pas"
+).launch()