Create app.py

app.py

@@ -0,0 +1,50 @@
+# app.py
+import gradio as gr
+import tensorflow as tf
+import cv2
+import numpy as np
+import json
+
+# Model ve etiketleri yükle
+model = tf.keras.models.load_model('animal_classifier_model.h5')
+
+with open('class_labels.json', 'r') as f:
+    class_labels = json.load(f)
+
+def preprocess_image(image):
+    # Gradio'dan gelen görüntüyü işle
+    image = cv2.resize(image, (96, 96))  # Model için kullandığımız boyuta getir
+    image = image.astype('float32') / 255.0  # Normalize et
+    return np.expand_dims(image, axis=0)  # Batch boyutu ekle
+
+def predict_animal(image):
+    # Görüntüyü preprocessten geçir
+    processed_image = preprocess_image(image)
+    
+    # Tahmin yap
+    predictions = model.predict(processed_image)
+    
+    # En yüksek 3 tahmini al
+    top_3_idx = np.argsort(predictions[0])[-3:][::-1]
+    
+    # Sonuçları hazırla
+    results = {class_labels[str(idx)]: float(predictions[0][idx]) for idx in top_3_idx}
+    
+    return results
+
+# Gradio arayüzünü oluştur
+iface = gr.Interface(
+    fn=predict_animal,
+    inputs=gr.Image(),
+    outputs=gr.Label(num_top_classes=3),
+    title="Hayvan Türü Sınıflandırıcı",
+    description="Bu model 10 farklı hayvan türünü tanıyabilir: Collie, Dolphin, Elephant, Fox, Moose, Rabbit, Sheep, Squirrel, Giant Panda, ve Polar Bear",
+    examples=[
+        ["example_images/collie.jpg"],
+        ["example_images/elephant.jpg"],
+        ["example_images/fox.jpg"]
+    ]
+)
+
+# Uygulamayı başlat
+iface.launch()