Upload 4 files

app.py

@@ -0,0 +1,71 @@
+# -*- coding: utf-8 -*-
+"""app.ipynb
+
+Automatically generated by Colab.
+
+Original file is located at
+    https://colab.research.google.com/drive/1F6FhGqNtRd7g_rwOjRXAqLN8x8hflsRb
+"""
+
+import tensorflow as tf
+import numpy as np
+from tensorflow.keras.models import load_model
+from PIL import Image
+import gradio as gr
+import os
+
+MODEL_PATH = "modelo_cats_vs_dogs_cnn.h5"
+IMG_SIZE = (128, 128)
+
+# Carrega o modelo
+model = load_model(MODEL_PATH)
+
+def predict_image(img: Image.Image):
+    # Garante 3 canais
+    img = img.convert("RGB")
+    # Redimensiona
+    img = img.resize(IMG_SIZE)
+    # Para array, normaliza
+    img_array = np.array(img).astype("float32") / 255.0
+    # Adiciona batch
+    img_array = np.expand_dims(img_array, axis=0)
+
+    # Predição
+    pred = model.predict(img_array)[0][0]  # valor entre 0 e 1 (sigmoid)
+
+    prob_cachorro = float(pred)
+    prob_gato = float(1 - pred)
+
+    if pred >= 0.5:
+        classe = "Cachorro 🐶"
+    else:
+        classe = "Gato 😺"
+
+    texto = f"Classe prevista: {classe}\nProb. Gato: {prob_gato:.3f}\nProb. Cachorro: {prob_cachorro:.3f}"
+
+    # Label do Gradio aceita um dict com probs
+    probs_dict = {
+        "Gato": prob_gato,
+        "Cachorro": prob_cachorro
+    }
+
+    return texto, probs_dict
+
+titulo = "Classificador de Cães e Gatos (CNN - TensorFlow)"
+descricao = "Envie uma imagem de gato ou cachorro e o modelo vai prever a classe 🐶😺."
+
+demo = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(type="pil", label="Envie uma imagem de gato ou cachorro"),
+    outputs=[
+        gr.Textbox(label="Resultado"),
+        gr.Label(label="Probabilidades")
+    ],
+    title=titulo,
+    description=descricao
+)
+
+if __name__ == "__main__":
+    # Importante para funcionar dentro do container
+    port = int(os.getenv("PORT", 7860))
+    demo.launch(server_name="0.0.0.0", server_port=port)

dockerfile

@@ -0,0 +1,21 @@
+# Imagem base já com TensorFlow instalado (CPU)
+FROM tensorflow/tensorflow:2.17.0
+
+# Cria diretório de trabalho
+WORKDIR /app
+
+# Copia os arquivos de dependências
+COPY requirements.txt .
+
+# Instala dependências extras (gradio, pillow)
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Copia o app e o modelo para dentro do container
+COPY app.py .
+COPY modelo_cats_vs_dogs_cnn.h5 .
+
+# Porta usada pelo Gradio
+EXPOSE 7860
+
+# Comando para iniciar a aplicação
+CMD ["python", "app.py"]

modelo_cats_vs_dogs_cnn.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:36b7b58122507834ef6fb38da5a7e1eda324494f377e1e3c0d13b29b7ed3d95b
+size 39704352

requirements.txt

@@ -0,0 +1,2 @@
+gradio
+Pillow