Update app.py

app.py

@@ -1,25 +1,20 @@
-import streamlit as st
+import gradio as gr
 import tensorflow as tf
 import numpy as np
 from tensorflow.keras.preprocessing import image
 from huggingface_hub import hf_hub_download
 
-# Cargar el modelo desde Hugging Face
-@st.cache_resource  # Usamos cache para no cargar el modelo en cada interacción
+# Cargar el modelo desde Hugging Face Model Hub
 def load_model():
-    model_path = "modelo_frutas_transfer.keras"
+    model_path = hf_hub_download(repo_id="tu_usuario/tu_repositorio", filename="modelo_frutas_transfer.keras")
     model = tf.keras.models.load_model(model_path)
     return model
 
 # Cargar el modelo
 model = load_model()
 
-# Título de la app
-st.title('Clasificador de Frutas')
-st.write('Sube una imagen de una fruta y el modelo predecirá qué fruta es.')
-
-# Cargar imagen
-uploaded_image = st.file_uploader("Elige una imagen", type=['jpg', 'png', 'jpeg'])
+# Aquí definimos el mapeo de las clases, asegúrate de que las clases estén correctamente ordenadas según tu dataset
+class_names = ['Manzana', 'Banana', 'Naranja', 'Pera', 'Uva']  # Sustituye esto por tus clases reales
 
 # Función para preprocesar la imagen y hacer la predicción
 def predict_image(image_input):
@@ -35,16 +30,19 @@ def predict_image(image_input):
     
     # Obtener la clase predicha
     predicted_class = np.argmax(pred, axis=1)
-    return predicted_class
-
-# Si se carga una imagen
-if uploaded_image is not None:
-    st.image(uploaded_image, caption='Imagen cargada', use_column_width=True)
-    st.write("")
     
-    # Predecir la clase de la imagen
-    predicted_class = predict_image(uploaded_image)
-    
-    # Mostrar el resultado
-    st.write(f'Predicción de la clase: {predicted_class}')
-
+    # Mapear la clase al nombre
+    predicted_class_name = class_names[predicted_class[0]]
+    return predicted_class_name
+
+# Interfaz Gradio
+iface = gr.Interface(
+    fn=predict_image, 
+    inputs=gr.inputs.Image(type="file", label="Cargar imagen de fruta"), 
+    outputs=gr.outputs.Textbox(label="Predicción de la clase"), 
+    title="Clasificador de Frutas",
+    description="Sube una imagen de una fruta y el modelo predecirá qué fruta es."
+)
+
+# Iniciar la interfaz
+iface.launch()