huggingface interface

app.py

@@ -0,0 +1,117 @@
+import gradio as gr
+import requests
+from PIL import Image
+import io
+
+# URL de tu API
+# Si estás ejecutando esto en local, suele ser http://127.0.0.1:8000
+# Si la API está en Render, usa la URL de Render (ej: https://tuproyecto.onrender.com)
+API_URL = "needto_replace_with_your_api_url"
+
+def solicitar_prediccion(image_path):
+    """
+    Envía la imagen al endpoint /predict
+    """
+    if image_path is None:
+        return "Por favor, sube una imagen primero."
+    
+    try:
+        # Abrimos la imagen en modo binario para enviarla
+        with open(image_path, "rb") as f:
+            files = {"file": f}
+            response = requests.post(f"{API_URL}/predict", files=files, timeout=10)
+            
+        response.raise_for_status()
+        data = response.json()
+        
+        # Devolvemos la predicción
+        return f"Predicción: {data.get('prediction')}"
+        
+    except requests.exceptions.RequestException as e:
+        return f"Error en la conexión con la API: {str(e)}"
+    except Exception as e:
+        return f"Error desconocido: {str(e)}"
+
+def solicitar_resize(image_path, width, height):
+    """
+    Envía la imagen y dimensiones al endpoint /resize
+    """
+    if image_path is None:
+        return None
+    
+    try:
+        # Validar inputs
+        if width <= 0 or height <= 0:
+            print("El ancho y alto deben ser positivos.")
+            return None
+
+        payload = {"width": int(width), "height": int(height)}
+        
+        with open(image_path, "rb") as f:
+            files = {"file": f}
+            # Nota: 'data' se usa para los campos del Form (width, height)
+            # y 'files' para el archivo
+            response = requests.post(f"{API_URL}/resize", data=payload, files=files, timeout=10)
+            
+        response.raise_for_status()
+        
+        # La API devuelve una imagen en bytes (StreamingResponse)
+        # La convertimos a objeto PIL Image para que Gradio la pueda mostrar
+        image_stream = io.BytesIO(response.content)
+        return Image.open(image_stream)
+        
+    except requests.exceptions.RequestException as e:
+        print(f"Error API: {e}")
+        return None
+
+# --- Construcción de la Interfaz con Blocks ---
+with gr.Blocks(title="Predictor & Resizer API Client") as demo:
+    gr.Markdown("# Cliente para API de Imágenes")
+    gr.Markdown("Sube una imagen y elige si quieres obtener una predicción o redimensionarla.")
+
+    with gr.Row():
+        # Columna Izquierda: Entrada
+        with gr.Column():
+            gr.Markdown("### 1. Entrada")
+            # Selector de imágenes. 'type="filepath"' guarda la imagen temporalmente y nos da la ruta
+            input_image = gr.Image(label="Sube tu imagen", type="filepath")
+
+        # Columna Derecha: Acciones
+        with gr.Column():
+            
+            # --- Sección de Predicción ---
+            gr.Markdown("### 2. Predicción")
+            predict_btn = gr.Button("🔍 Obtener Predicción", variant="primary")
+            predict_output = gr.Textbox(label="Resultado de la API")
+
+            # CORRECCIÓN AQUÍ: gr.HTML en mayúsculas
+            gr.HTML("<hr>") 
+
+            # --- Sección de Resize ---
+            gr.Markdown("### 3. Redimensionar (Resize)")
+            with gr.Row():
+                w_input = gr.Number(label="Ancho (Width)", value=200, precision=0)
+                h_input = gr.Number(label="Alto (Height)", value=200, precision=0)
+            
+            resize_btn = gr.Button("🖼️ Redimensionar Imagen")
+            resize_output = gr.Image(label="Imagen Redimensionada")
+
+    # --- Conectar la lógica ---
+    
+    # Botón Predicción
+    predict_btn.click(
+        fn=solicitar_prediccion,
+        inputs=[input_image],
+        outputs=predict_output
+    )
+
+    # Botón Resize
+    resize_btn.click(
+        fn=solicitar_resize,
+        inputs=[input_image, w_input, h_input],
+        outputs=resize_output
+    )
+
+# Lanzar la aplicación
+if __name__ == "__main__":
+    demo.launch()

requirements.txt

@@ -0,0 +1,2 @@
+gradio>=3.40
+requests>=2.30