Update app.py

app.py

@@ -2,30 +2,30 @@ import gradio as gr
 import tensorflow as tf
 import numpy as np
 
-# Lade dein benutzerdefiniertes Regressionsmodell
+#  benutzerdefiniertes Regressionsmodell
 model = tf.keras.models.load_model('Task_Pokemon.keras')
 
-# Klassennamen, sollten deinem Dataset entsprechen
+# Klassennamen, sollten Dataset entsprechen
 class_names = ['Aerodactyl', 'Charizard', 'Victreebel']
 
 def classify_image(image):
-    # Konvertiere das Bild in ein PIL-Bildobjekt
-    img_pil = image.resize((160, 160))  # Hier definieren wir die Grösse der Bilder
+    img_pil = image.resize((160, 160))  # Definieren der Grösse der Bilder
     img_array = tf.keras.preprocessing.image.img_to_array(img_pil)
-    img_array = tf.expand_dims(img_array, 0)  # Erstelle einen Batch
+    img_array = tf.expand_dims(img_array, 0)  # Erstellen eines Batches
     predictions = model.predict(img_array)
     predicted_class = class_names[np.argmax(predictions[0])]
     confidence = np.max(predictions[0])
     return predicted_class, confidence
 
-image_input = gr.inputs.Image()
-label = gr.outputs.Label(num_top_classes=3)
+image_input = gr.Image()
+label = gr.Label(num_top_classes=3)
 
 iface = gr.Interface(
-    fn=classify_image, 
-    inputs=image_input, 
+    fn=classify_image,
+    inputs=image_input,
     outputs=label,
     title='Pokémon-Bildklassifizierer',
     description='Lade ein Bild von Aerodactyl, Charizard oder Victreebel hoch. Unser Klassifizierer wird das Pokémon identifizieren und das Vertrauensniveau der Vorhersage anzeigen.'
 )
+
 iface.launch()