Create app.py

app.py

@@ -0,0 +1,70 @@
+import tensorflow as tf
+import numpy as np
+import gradio as gr
+from tensorflow.keras.preprocessing import image
+from sklearn.preprocessing import LabelEncoder
+import matplotlib.pyplot as plt
+from PIL import Image
+
+# Dictionnaire des sous-catégories
+subcategory_dict = {
+    "Furniture": ["Home Decor"],
+    "Home Decor": [
+        "Poufs & Ottomans", "Rugs", "Antique items", "Brass Lamps",
+        "Candle Holders", "Pottery", "Kilim poufs", "Pillow Covers",
+        "Wall Decor", "Straw Lamps"
+    ],
+    # Ajoutez d'autres catégories ici
+}
+
+# Fonction pour charger et prétraiter l'image
+def preprocess_image(img):
+    img = img.resize((224, 224))  # Redimensionner
+    img_array = np.array(img) / 255.0  # Normaliser
+    img_array = np.expand_dims(img_array, axis=0)  # Ajouter une dimension batch
+    return img_array
+
+# Fonction pour prédire la catégorie, le prix et la sous-catégorie
+def predict_image(img):
+    # Prétraiter l'image
+    img_array = preprocess_image(img)
+
+    # Faire les prédictions
+    category_pred, price_pred = model.predict(img_array)
+
+    # Décoder la catégorie
+    category_pred_class = np.argmax(category_pred, axis=1)[0]
+    category_name = label_encoder.inverse_transform([category_pred_class])[0]
+
+    # Trouver les sous-catégories correspondantes
+    subcategories = subcategory_dict.get(category_name, [])
+
+    # Préparer les résultats
+    results = {
+        "Category": category_name,
+        "Price ($)": f"{price_pred[0][0]:.2f}",
+        "Subcategories": subcategories
+    }
+    return results
+
+# Charger le modèle pré-entraîné
+# Assurez-vous que le chemin du modèle et de l'encodeur sont corrects
+model = tf.keras.models.load_model('trained_model.h5')
+label_encoder = LabelEncoder()
+label_encoder.classes_ = np.load('path_to_label_encoder_classes.npy')
+
+# Interface Gradio
+interface = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(type="pil"),
+    outputs=[
+        gr.Label(label="Category"),
+        gr.Text(label="Price ($)"),
+        gr.Text(label="Subcategories")
+    ],
+    title="Image Classification with TensorFlow",
+    description="Upload an image to predict its category, price, and subcategories."
+)
+
+# Lancer l'interface
+interface.launch()