Update app.py

app.py

@@ -1,29 +1,32 @@
 import gradio as gr
 import tensorflow as tf
-from tensorflow.keras.models import load_model
-from tensorflow.keras.preprocessing import image
-import numpy as np
 
-# Cargar el modelo
-model = load_model('https://huggingface.co/imanolcb/basicFruitClassifier/resolve/main/modelo_frutas_transfer.keras')
+# Cargar el modelo desde Hugging Face
+model = tf.keras.models.load_model("hf://imanolcb/basicFruitClassifier/modelo_frutas_final.keras")
 
-# Función para la predicción
-def predict(img):
-    img = image.load_img(img, target_size=(150, 150))
-    img_array = image.img_to_array(img) / 255.0  # Normalización
-    img_array = np.expand_dims(img_array, axis=0)  # Cambiar la forma para predicción
-    prediction = model.predict(img_array)
-    class_names = ['manzana', 'naranja', 'platano']  # Modificar con tus clases
-    predicted_class = class_names[np.argmax(prediction)]
+# Preprocesamiento de las imágenes de entrada
+def preprocess_image(image):
+    image = image.resize((150, 150))  # Redimensionar la imagen a la entrada del modelo
+    image = tf.convert_to_tensor(image)
+    image = tf.cast(image, tf.float32) / 255.0  # Normalización
+    return tf.expand_dims(image, axis=0)  # Añadir una dimensión extra para el batch
+
+# Función para hacer predicciones
+def predict(image):
+    processed_image = preprocess_image(image)  # Preprocesar la imagen
+    predictions = model.predict(processed_image)
+    class_names = ['apple', 'banana', 'orange']  # Las clases que usaste para el entrenamiento
+    predicted_class = class_names[tf.argmax(predictions, axis=1).numpy()[0]]
     return predicted_class
 
-# Interfaz de Gradio
-iface = gr.Interface(fn=predict, 
-                     inputs=gr.Image(type="filepath"), 
-                     outputs=gr.Text(),
-                     live=True, 
-                     title="Clasificador de Frutas",
-                     description="Cargar una imagen de fruta para clasificarla.")
+# Crear la interfaz de usuario con Gradio
+iface = gr.Interface(
+    fn=predict, 
+    inputs=gr.inputs.Image(type="pil"),  # Tipo de entrada: imagen
+    outputs="text",  # Salida: texto (la clase predicha)
+    title="Fruit Classifier",  # Título
+    description="Clasificador de frutas usando un modelo CNN entrenado desde cero.",  # Descripción
+)
 
-# Iniciar la interfaz
+# Ejecutar la aplicación
 iface.launch()