app.py

from huggingface_hub import from_pretrained_keras
import gradio as gr
import numpy as np
import tensorflow as tf

# Cargar modelo desde Hugging Face (esto es solo un ejemplo, asegúrate de tener un modelo adecuado)
repo_id = "ramirces/anomalydetectiondataset"
learner = from_pretrained_keras(repo_id)


# Definir función predict para detectar anomalías
def predict(img):
    # Hacer predicciones con el modelo
    pred = learner.predict(img)
    # Calcular error cuadrático medio (MSE) entre entrada y salida
    mse = np.mean((img - pred) ** 2)
    # Establecer umbral de anomalía (ajustar según sea necesario)
    anomaly_threshold = 0.1
    # Determinar si la instancia es una anomalía
    if mse >= anomaly_threshold:
        anomaly_msg = "Posible anomalía significativa"
    else:
        anomaly_msg = "No anomalía"
    return {"Mensaje": anomaly_msg, "MSE": mse}

# Crear interfaz Gradio
gr.Interface(fn=predict, inputs=gr.inputs.Image(shape=(28, 28)), outputs=[gr.outputs.Textbox(label="Mensaje"), gr.outputs.Textbox(label="MSE")], examples=['output_image.png', 'output_image_anomaly1.png']).launch(share=False)