app.py

import gradio as gr
import tensorflow as tf
import numpy as np
from PIL import Image

# Load model berformat .keras
model = tf.keras.models.load_model("skin_type_model.keras")

# Daftar kelas
class_names = ["Berminyak", "Normal", "Kering"]


# Fungsi untuk preprocessing gambar
def preprocess_image(img):
    img = img.resize((224, 224))  # Sesuaikan ukuran sesuai kebutuhan model
    img = np.array(img) / 255.0  # Normalisasi piksel
    img = np.expand_dims(img, axis=0)  # Tambahkan batch dimension
    return img


# Fungsi untuk klasifikasi
def classify_img(image):
    image = preprocess_image(image)
    prediction = model.predict(image)[0]
    probabilities = {
        class_names[i]: float(prediction[i]) for i in range(len(class_names))
    }
    return probabilities


# Buat antarmuka Gradio
interface = gr.Interface(
    fn=classify_img,
    inputs=gr.Image(type="pil"),
    outputs=gr.Label(num_top_classes=3),
    title="Klasifikasi Jenis Kulit Wajah",
    description="Upload gambar wajah untuk mengklasifikasikan jenis kulit menjadi: Berminyak, Normal, atau Kering.",
)

interface.launch()