Update app.py

app.py

@@ -5,7 +5,7 @@ from PIL import Image
 import numpy as np
 import gradio as gr
 
-# Definisci il modello e il numero di classi
+# Definizione del modello pre-addestrato
 class PretrainedModel(nn.Module):
     def __init__(self, num_classes=19):
         super(PretrainedModel, self).__init__()
@@ -27,11 +27,12 @@ class PretrainedModel(nn.Module):
 # Crea un'istanza del modello
 model = PretrainedModel(num_classes=19)
 
-# Carica i pesi
-model.load_state_dict(torch.load('model_v11.pt', map_location=torch.device('cpu')))
+# Carica i pesi con `weights_only=True` per evitare problemi di sicurezza
+state_dict = torch.load('model_v11.pt', map_location=torch.device('cpu'), weights_only=True)
+model.load_state_dict(state_dict)
 model.eval()  # Imposta il modello in modalità valutazione
 
-# Trasformazioni
+# Trasformazioni per l'immagine
 preprocess = transforms.Compose([
     transforms.Resize((224, 224)),
     transforms.ToTensor(),
@@ -49,10 +50,10 @@ def classify_image(img):
         
     return f"Class {predicted_class_index}, Confidence: {predicted_probability:.4f}"
 
-# Configura Gradio
+# Configura Gradio con l'API aggiornata
 iface = gr.Interface(
     fn=classify_image,
-    inputs=gr.inputs.Image(type="pil"),
+    inputs=gr.Image(type="pil"),
     outputs="text"
 )