Update app.py

app.py

@@ -87,34 +87,43 @@ class SegmentationAlbumentationsTransform(ItemTransform):
         return PILImage.create(aug["image"]), PILMask.create(aug["mask"])
 
 #Cargamos el modelo
-repo_id = "luisvarona/Practica3"
+repo_id = "maviced/practica3"
 learn = from_pretrained_fastai(repo_id)
 model = learn.model
 model = model.cpu()
 
 
-# Definimos una función que se encarga de llevar a cabo las predicciones
-def predict(img_ruta):
-    img = img_ruta 
+def predict(img):
+    img = PILImage.create(img)
+    
     image = transforms.Resize((480,640))(img)
     tensor = transform_image(image=image)
+
     model.to(device)
     with torch.no_grad():
-      outputs = model(tensor)
+        outputs = model(tensor)
     
     outputs = torch.argmax(outputs,1)
+
     mask = np.array(outputs.cpu())
-    mask[mask==1]=255
-    mask[mask==2]=150
-    mask[mask==3]=29
-    mask[mask==4]=74
-    mask = np.reshape(mask,(480,640))
+    mask[mask==0]=255
+    mask[mask==1]=150
+    mask[mask==2]=76
+    mask[mask==3]=25
+    mask[mask==4]=0
+
+    mask=np.reshape(mask,(480,640))
+
     return Image.fromarray(mask.astype('uint8'))
 
     
+# Creamos la interfaz y la lanzamos.
+gr.Interface(fn=predict, inputs=["image"], outputs=["image"],
+             examples=['color_154.jpg','color_155.jpg']).launch(share=True)
+
     
 # Creamos la interfaz y la lanzamos. 
-gr.Interface(fn=predict, inputs=gr.inputs.Image(shape=(480, 640)), outputs=gr.inputs.Image(shape=(480, 640))).launch(share=False) #,examples=['color_155.jpg','color_154 (1).jpg']
+#gr.Interface(fn=predict, inputs=gr.inputs.Image(shape=(480, 640)), outputs=gr.inputs.Image(shape=(480, 640))).launch(share=False) #,examples=['color_155.jpg','color_154 (1).jpg']
 
     
 # Creamos la interfaz y la lanzamos.