app.py

import gradio as gr
from PIL import Image
import numpy as np
import tensorflow as tf
 
# Etiquetas en español
cifar10_labels = np.array([
    'avión', 'automóvil', 'pájaro', 'gato', 'venado'
])
 
# Cargar el modelo al iniciar la app
model = tf.keras.models.load_model('my_model.h5')
 
def preprocess_image(image):
    """Preprocesa la imagen para el modelo"""
    img = image.resize((32, 32))  # Redimensionar
    img = np.array(img)  # Convertir a numpy array
    img = img.astype('float32') / 255  # Normalizar
    return img.reshape(1, 32, 32, 3)  # Reformatear para el modelo
 
def predict(image):
    """Realiza la predicción y devuelve los resultados"""
    processed_img = preprocess_image(image)
    preds = model.predict(processed_img)[0]
    return {cifar10_labels[i]: float(preds[i]) for i in range(5)}
 
# Configuración de la interfaz
title = "CIFAR-10"
description = "Sube una imagen"

 
# Crear la interfaz Gradio
interface = gr.Interface(
    fn=predict,
    inputs=gr.Image(type="pil", label="Imagen de entrada"),
    outputs=gr.Label(num_top_classes=3, label="Predicciones"),
    title=title,
    description=description,
    theme=gr.themes.Soft()
)
 
# Lanzar la aplicación
interface.launch()