import gradio as gr
from fastai.vision.all import *
import torchvision.transforms as transforms

# Cargar el modelo exportado
learn = load_learner('mi_modelo.pth')

def transform_image(image):
    my_transforms = transforms.Compose([transforms.ToTensor(),
                                        transforms.Normalize(
                                            [0.485, 0.456, 0.406],
                                            [0.229, 0.224, 0.225])])
    image_aux = image
    return my_transforms(image_aux).unsqueeze(0)


def predict(image):
  # Preprocesamiento de la imagen
  image = transforms.Resize((480,640))(image)
  tensor = transform_image(image=image)
  
  # Predicción
  with torch.no_grad():
    outputs = learn.model(tensor) # Usamos learn.model para acceder al modelo subyacente
  outputs = torch.argmax(outputs,1)

  # Postprocesamiento
  mask = np.array(outputs.cpu())
  mask[mask==1]=255
  mask=np.reshape(mask,(480,640))
  mask = Image.fromarray(mask.astype('uint8'))

  return mask

# Crear interfaz
iface = gr.Interface(
  fn=predict,
  inputs=gr.Image(type="pil"),
  outputs=gr.Image(type="pil"),
  title="Segmentación Semántica",
  description="Suba una imagen para obtener su máscara de segmentación.",
)

iface.launch()