Update app.py

app.py

@@ -1,27 +1,37 @@
 import gradio as gr
-from tensorflow.keras.models import load_model
-from tensorflow.keras.preprocessing.image import img_to_array, load_img
+import tensorflow as tf
+from PIL import Image
 import numpy as np
 
-# Modell laden
-model = load_model('pokemon-model.keras')
+# Lade dein Modell
+model_path = "your_pokemon_model.keras"
 
-def classify_image(image):
-    image = image.resize((224, 224))  # Bild auf passende Größe bringen
-    image = img_to_array(image)  # Bild in Array umwandeln
-    image = np.expand_dims(image, axis=0)  # Dimension hinzufügen
-    image /= 255.0  # Normalisierung
 
-    prediction = model.predict(image)  # Vorhersage vom Modell
-    classes = ['Squirtle', 'Pikachu', 'Charizard', 'Butterfree']  # Klassen
-    return {classes[i]: float(prediction[0][i]) for i in range(4)}  # Wahrscheinlichkeiten zurückgeben
+# 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=classify_image,
-    inputs=gr.inputs.Image(shape=(224, 224)),
-    outputs=gr.outputs.Label(num_top_classes=4),
+    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()
+
+