app.py

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

# Lade dein Modell
model_path = "your_pokemon_model.keras"


# Klassen Labels für deine vier Pokémon
labels = ['Squirtle', 'Pikachu', 'Charizard', 'Butterfree']

def predict_pokemon(image):
    # Bildvorverarbeitung
    image = Image.fromarray(image.astype('uint8'), 'RGB')
    image = image.resize((224, 224))  # Anpassen der Bildgröße an das Modell
    image = np.array(image) / 255.0  # Normalisieren der Pixelwerte

    # Bild in das Modell einspeisen und Vorhersage treffen
    prediction = model.predict(np.expand_dims(image, axis=0))
    confidences = {labels[i]: float(np.round(prediction[0][i], 2)) for i in range(len(labels))}
    return confidences


    # Gradio Interface definieren
iface = gr.Interface(
    fn=predict_pokemon,
    inputs=gr.inputs.Image(shape=(224, 224), image_mode='RGB', tool='editor'),  # Eingabe als Bild
    outputs=gr.outputs.Label(num_top_classes=4),  # Zeige die Top-4 Vorhersagen
    title="Pokémon Classifier",
    description="Upload an image of a Pokémon and see the model classify it!"
)

# Starte die Gradio-Schnittstelle
iface.launch()