Update app_huggingface.py

app_huggingface.py

@@ -1,5 +1,4 @@
 import os
-import sys
 import numpy as np
 import gradio as gr
 import tensorflow as tf
@@ -7,24 +6,25 @@ from PIL import Image
 
 # Sabitler
 IMAGE_SIZE = 128
-MODEL_PATH = "best_model.keras"  # Kaydedilmiş model dosyasının yolu
+MODEL_PATH = "best_model.keras"
 
-# Hayvan sınıfları (90 sınıf)
+# 90 sınıflık hayvan isimleri
 class_names = [
     'antelope', 'badger', 'bat', 'bear', 'bee', 'beetle', 'bison', 'boar', 'butterfly', 
     'cat', 'caterpillar', 'chimpanzee', 'cockroach', 'cow', 'coyote', 'crab', 'crow', 
-    'deer', 'dog', 'dolphin', 'donkey', 'dragonfly', 'duck', 'eagle', 'elephant', 'flamingo', 
-    'fly', 'fox', 'goat', 'goldfish', 'goose', 'gorilla', 'grasshopper', 'hamster', 'hare', 
-    'hedgehog', 'hippopotamus', 'hornbill', 'horse', 'hummingbird', 'hyena', 'jellyfish', 
-    'kangaroo', 'koala', 'ladybugs', 'leopard', 'lion', 'lizard', 'lobster', 'mosquito', 
-    'moth', 'mouse', 'octopus', 'okapi', 'orangutan', 'otter', 'owl', 'ox', 'oyster', 
-    'panda', 'parrot', 'pelecaniformes', 'penguin', 'pig', 'pigeon', 'porcupine', 
-    'possum', 'raccoon', 'rat', 'reindeer', 'rhinoceros', 'sandpiper', 'seahorse', 
-    'seal', 'shark', 'sheep', 'snake', 'sparrow', 'squid', 'squirrel', 'starfish', 
-    'swan', 'tiger', 'turkey', 'turtle', 'whale', 'wolf', 'wombat', 'woodpecker', 'zebra'
+    'deer', 'dog', 'dolphin', 'donkey', 'dragonfly', 'duck', 'eagle', 'elephant', 
+    'flamingo', 'fly', 'fox', 'goat', 'goldfish', 'goose', 'gorilla', 'grasshopper', 
+    'hamster', 'hare', 'hedgehog', 'hippopotamus', 'hornbill', 'horse', 'hummingbird', 
+    'hyena', 'jellyfish', 'kangaroo', 'koala', 'ladybugs', 'leopard', 'lion', 'lizard', 
+    'lobster', 'mosquito', 'moth', 'mouse', 'octopus', 'okapi', 'orangutan', 'otter', 
+    'owl', 'ox', 'oyster', 'panda', 'parrot', 'pelecaniformes', 'penguin', 'pig', 
+    'pigeon', 'porcupine', 'possum', 'raccoon', 'rat', 'reindeer', 'rhinoceros', 
+    'sandpiper', 'seahorse', 'seal', 'shark', 'sheep', 'snake', 'sparrow', 'squid', 
+    'squirrel', 'starfish', 'swan', 'tiger', 'turkey', 'turtle', 'whale', 'wolf', 
+    'wombat', 'woodpecker', 'zebra'
 ]
 
-# Model yükleme fonksiyonu
+# Model yükleyici
 def load_model():
     try:
         if os.path.exists(MODEL_PATH):
@@ -38,12 +38,11 @@ def load_model():
         print(f"Model yüklenirken hata oluştu: {e}")
         return None
 
-# Görüntü ön işleme
+# Görüntü işleme
 def preprocess_image(img):
     img = img.convert('RGB')
     img = img.resize((IMAGE_SIZE, IMAGE_SIZE))
-    img_array = np.array(img)
-    img_array = img_array / 255.0
+    img_array = np.array(img) / 255.0
     img_array = np.expand_dims(img_array, axis=0)
     return img_array
 
@@ -53,10 +52,8 @@ def predict(img):
     
     if model is None:
         import random
-        predictions = np.zeros(len(class_names))
-        for i in range(len(predictions)):
-            predictions[i] = random.random()
-        predictions = predictions / np.sum(predictions)
+        predictions = np.random.rand(len(class_names))
+        predictions /= np.sum(predictions)
     else:
         img_array = preprocess_image(img)
         predictions = model.predict(img_array)[0]
@@ -65,98 +62,84 @@ def predict(img):
     top_predictions = predictions[top_indices]
     top_classes = [class_names[i] for i in top_indices]
     
-    results = {}
-    for i, (label, prob) in enumerate(zip(top_classes, top_predictions)):
-        results[label] = float(prob)
-    
-    return results
-
-# --- Sınıfları tabloya dönüştüren yardımcı fonksiyon ---
-def format_classes_grid(class_names, columns=6):
-    rows = [class_names[i:i + columns] for i in range(0, len(class_names), columns)]
-    table_html = '<table style="margin:auto; text-align:left; border-spacing: 10px;">'
-    for row in rows:
-        table_html += "<tr>"
-        for item in row:
-            table_html += f"<td>• {item}</td>"
-        table_html += "</tr>"
-    table_html += "</table>"
-    return table_html
-
-# Sınıf tablosunu oluştur
-class_table_html = format_classes_grid(class_names)
+    return {label: float(prob) for label, prob in zip(top_classes, top_predictions)}
 
-# Proje başlığı
+# Başlık
 title = "🦁 Hayvan Görüntü Sınıflandırıcı"
 
-# Proje açıklaması (sınıf tablosu dahil)
-description = f"""
+# Açıklama 
+description = """
 <div style="text-align: center;">
   <h2>Hayvan Görüntü Sınıflandırma Uygulaması</h2>
   <p>Bu uygulama, derin öğrenme modeli kullanarak hayvan türlerini tanıyabilen bir sınıflandırıcıdır.</p>
   <p>Basitçe bir görüntü yükleyin veya webcam kullanarak fotoğraf çekin, model hangi hayvan olduğunu tahmin edecek!</p>
-  <p>Model, <strong>90 farklı hayvan sınıfını</strong> tanıyabilmektedir.</p>
+  <p><strong>Model, 90 farklı hayvan sınıfını</strong> tanıyabilmektedir.</p>
   <hr>
   <p><strong>Nasıl Kullanılır:</strong></p>
   <ol>
     <li>Bir hayvan resmi yükleyin veya webcam ile çekin</li>
     <li>Sonuçları anında görün!</li>
   </ol>
-  <hr>
-  <h3 style="text-align:center;">Tanıyabildiği Hayvan Sınıfları (90)</h3>
-  {class_table_html}
 </div>
 """
 
-# Özel CSS stilleri
+# CSS 
 css = """
 .gradio-container {
     font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
-    background-color: #121212;
-    color: #f0f0f0;
+    background-color: #f5f5f5;
+    color: #222;
 }
 input, button, textarea, select {
-    background-color: #1e1e1e !important;
-    color: #ffffff !important;
-    border: 1px solid #333 !important;
+    background-color: #ffffff !important;
+    color: #000000 !important;
+    border: 1px solid #ccc !important;
 }
 label, .label, .output_class, .output_label, .upload_box {
-    color: #f0f0f0 !important;
+    color: #000 !important;
 }
 .gr-image-upload {
-    background-color: #1e1e1e !important;
-    border: 1px solid #444 !important;
-    color: #f0f0f0 !important;
+    background-color: #fff !important;
+    border: 1px solid #ccc !important;
 }
 .examples {
-    background-color: #1a1a1a;
-    border: 1px solid #333;
+    background-color: #fafafa;
+    border: 1px solid #ddd;
     border-radius: 10px;
     padding: 15px;
 }
 .footer {
     margin-top: 30px;
     text-align: center;
-    color: #999;
-    border-top: 1px solid #333;
+    color: #444;
+    border-top: 1px solid #ccc;
     padding-top: 20px;
-    background-color: #1a1a1a;
+    background-color: #fafafa;
 }
 h1, h2, h3 {
-    color: #ffffff;
+    color: #222;
 }
 """
 
-# Sayfa altı bilgisi
-footer = """
+# Footer
+footer = f"""
 <div class="footer">
   <p>Bu uygulama TensorFlow ve Gradio kullanılarak geliştirilmiştir.</p>
   <p>Derin öğrenme modeli, hayvan görüntülerinden oluşan kapsamlı bir veri seti üzerinde eğitilmiştir.</p>
-  <p>© 2023 Hayvan Sınıflandırıcı</p>
+  <hr>
+  <h3>Tanıyabildiği Hayvan Sınıfları ({len(class_names)})</h3>
+  <table style="margin:auto;">
+    {"".join([
+        "<tr>" + "".join(
+            f"<td style='padding:5px 15px;'>• {name}</td>" for name in class_names[i:i+6]
+        ) + "</tr>" for i in range(0, len(class_names), 6)
+    ])}
+  </table>
+  <p style="margin-top:20px;">© 2025 Hayvan Sınıflandırıcı</p>
 </div>
 """
 
-# Gradio arayüzü oluşturma
+# Gradio Arayüzü
 demo = gr.Interface(
     fn=predict,
     inputs=gr.Image(type="pil", label="Hayvan Görüntüsü Yükle"),
@@ -168,6 +151,6 @@ demo = gr.Interface(
     allow_flagging="never"
 )
 
-# Uygulamayı başlat
+# Başlat
 if __name__ == "__main__":
     demo.launch()