app.py

import streamlit as st
from streamlit_drawable_canvas import st_canvas
import numpy as np
from tensorflow.keras.models import load_model
import os

# Hugging Face Spaces ortamında pip komutlarını çalıştırmak
os.system('pip install --upgrade tensorflow h5py')



# Başlık
st.title("El Yazısı Rakam Tanıma")

# Solda çizim kanvası
st.sidebar.header("Çizim Ayarları")
stroke_width = st.sidebar.slider("Fırça Kalınlığı:", 1, 25, 9)
bg_color = st.sidebar.color_picker("Arka Plan Rengi:", "#ffffff")
drawing_mode = st.sidebar.selectbox("Çizim Modu:", ("freehand", "line"))

# Çizim alanı
st.write("Soldaki alana bir sayı çizin (0-9):")
canvas_result = st_canvas(
    fill_color="rgba(255, 165, 0, 0.3)",  # Doldurma rengi
    stroke_width=stroke_width,
    background_color=bg_color,
    height=200,
    width=200,
    drawing_mode=drawing_mode,
    key="canvas",
)

# Sağda tahmin işlemi
if canvas_result.image_data is not None:
    # Kanvastan alınan çizimi işleyelim
    image = canvas_result.image_data[:, :, 3]  # Sadece alfa kanalını alıyoruz (çizim)
    image_resized = np.array(image)
    image_resized = image_resized / 255.0  # Normalize et
    image_resized = np.expand_dims(image_resized, axis=(0, -1))  # Model girişine uygun hale getir

    # MNIST modelini yükle
    model = load_model("mnist_model.h5")
    print("Test modeli başarıyla yüklendi!")

    # Sonucu göster
    st.write("Tahmin edilen sayı:")
    st.subheader(predicted_digit)