Create app.py

app.py

@@ -0,0 +1,55 @@
+# fonction de prédiction
+import gradio as gr
+import joblib
+import pandas as pd
+import numpy as np
+from keras.models import load_model
+
+# Import de la liste des noms des variables catégorielles
+cat_encoder_cols = joblib.load('Extracurricular Activities_encoder.joblib')
+# Importer les encodeurs
+encoder = joblib.load('Extracurricular Activities_encoder.joblib')
+# Importer le modèle
+model = load_model('DNN_model.h5')
+# Importer le scaler
+scaler = joblib.load('scaler.joblib')
+# fonction de prédiction simple
+def prediction_func(Hours_Studied,Previous_Scores, Extracurricular, Sleep_Hours, Sample):
+    # encoder les valeurs
+    Extracurricular = encoder.transform([Extracurricular])[0]
+    # créer la nouvelle valeur
+    x_new = np.array([Hours_Studied,Previous_Scores,Extracurricular, Sleep_Hours, Sample]).reshape(1, -1)
+    # normaliser les valeurs
+    x_new = scaler.transform(x_new)
+    # prédire la valeur
+    y_pred = np.round(model.predict(x_new))
+    # retourner
+    return y_pred[0][0]
+
+
+# créer les inputs
+inputs = [gr.Number(label='Hours Studied'),
+          gr.Number(label='Previous Scores'),
+          gr.Radio(['Yes', 'No'], label="Extracurricular Activities"),
+          gr.Number(label='Sleep Hours'),
+          gr.Number(label='Sample Question Paper'),
+]
+# créer les outputs
+outputs = gr.Textbox(label = 'Performance de l\'eleve ')
+# interface 1
+Interface1 = gr.Interface(fn = prediction_func,
+                         inputs = inputs,
+                         outputs = outputs,
+                         title = 'Preduction de la Performance d\'un Eleve',
+                         description= 'Ce modèle d\'apprentissage automatique nous predit la performance des eleves en fonction Heures étudiées, des Scores précédents, des Activités parascolaires, des Heures de sommeil, des Exemples de sujets d\'examen traités .',
+                         theme='shivi/calm_seafoam')
+# Interface 2
+Interface2 = gr.Interface(fn = prediction_func,
+                         inputs = gr.File(label='Charger un fichier csv'),
+                         outputs = gr.File(label='Telecharger le fivhier csv'),
+                         title = 'Preduction de la Performance d\'un Eleve',
+                         description= 'Ce modèle d\'apprentissage automatique nous predit la performance des eleves en fonction Heures étudiées, des Scores précédents, des Activités parascolaires, des Heures de sommeil, des Exemples de sujets d\'examen traités .',
+                         theme='shivi/calm_seafoam')
+# faire un tabbing des interfaces
+demo = gr.TabbedInterface([Interface1, Interface2], ['Simple Preduction', 'Preduction multiple'])
+demo.launch()