Create app.py

app.py

@@ -0,0 +1,29 @@
+import gradio as gr
+import tensorflow as tf
+import numpy as np
+from PIL import Image
+from huggingface_hub import hf_hub_download
+
+# Cargar el modelo DAE desde Hugging Face
+modelo_path = hf_hub_download(repo_id="XTEP63/VAE", filename="VAE.keras")
+vae_model = tf.keras.models.load_model(modelo_path)
+
+# Función para generar una imagen con el VAE
+def generate_image():
+    latent_dim = 128  
+    z_sample = np.random.normal(size=(1, latent_dim))  # Muestra aleatoria del espacio latente
+    output = vae_model.predict(z_sample)  # Generar imagen
+    output = np.squeeze(output, axis=0)  
+    output = (output * 255).astype(np.uint8)  
+    return Image.fromarray(output)
+
+# Interfaz con Gradio
+iface_vae = gr.Interface(
+    fn=generate_image,
+    inputs=None,
+    outputs=gr.Image(type="pil"),
+    title="Variational Autoencoder",
+    description="Genera una imagen nueva basada en el espacio latente del VAE."
+)
+
+iface_vae.launch()