Upload 5 files

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+model.keras filter=lfs diff=lfs merge=lfs -text

README.md

@@ -1,14 +1,22 @@
----
-title: Lab2 2
-emoji: 🐢
-colorFrom: purple
-colorTo: gray
-sdk: gradio
-sdk_version: 5.29.0
-app_file: app.py
-pinned: false
-license: mit
-short_description: Моя лаба
----
-
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# Модель багатокласової класифікації
+
+Цей репозиторій містить розгорнуту модель для багатокласової класифікації, яка була навчена в рамках лабораторної роботи.
+
+## Опис моделі
+
+- **Архітектура**: CNN (Convolutional Neural Network)
+- **Набір даних**: [MNIST, Fashion MNIST, CIFAR-10, тощо]
+- **Точність**: XX% на тестовому наборі
+
+## Як використовувати
+
+1. Завантажте зображення у інтерфейс Gradio
+2. Модель виконає класифікацію та видасть імовірності належності до кожного класу
+3. Результат буде відображено у вигляді гістограми
+
+## Автор
+
+- ПІБ студента
+- Група
+- Університет
+

app.py

@@ -0,0 +1,66 @@
+import gradio as gr
+import numpy as np
+import tensorflow as tf
+from tensorflow.keras.models import load_model
+import os
+
+# Завантаження моделі
+model = load_model('model.keras')
+
+# Отримання класів з файлу (якщо вони були збережені)
+try:
+    with open('class_names.txt', 'r') as f:
+        class_names = f.read().splitlines()
+except:
+    # За замовчуванням використовуємо числові імена класів
+    num_classes = model.output_shape[-1]
+    class_names = [f"Class {i}" for i in range(num_classes)]
+
+# Визначення функції передбачення
+def predict(image):
+    """
+    Виконує передбачення класу за допомогою навченої моделі
+    
+    Args:
+        image: Вхідне зображення
+    
+    Returns:
+        dict: Словник з ймовірностями для кожного класу
+    """
+    # Отримання форми вхідних даних з моделі
+    input_shape = model.input_shape[1:]
+    
+    # Перевірка кількості каналів
+    if len(input_shape) == 3:  # Для зображень (CNN)
+        # Масштабуємо зображення до потрібного розміру
+        resized_image = tf.image.resize(image, [input_shape[0], input_shape[1]])
+        
+        # Перетворення на одноканальне зображення, якщо потрібно
+        if input_shape[2] == 1 and resized_image.shape[-1] == 3:
+            resized_image = tf.image.rgb_to_grayscale(resized_image)
+        
+        # Нормалізація та додавання розмірності пакету
+        img_array = tf.expand_dims(resized_image, 0) / 255.0
+    else:  # Для плоских даних
+        # Розгортаємо зображення в одновимірний вектор
+        img_array = tf.reshape(image, (1, -1)) / 255.0
+    
+    # Передбачення
+    predictions = model.predict(img_array)
+    
+    # Формування результату
+    result = {class_names[i]: float(predictions[0][i]) for i in range(len(class_names))}
+    return result
+
+# Створення інтерфейсу Gradio
+interface = gr.Interface(
+    fn=predict,
+    inputs=gr.Image(),
+    outputs=gr.Label(num_top_classes=len(class_names)),
+    title="Модель багатокласової класифікації",
+    description="Завантажте зображення для класифікації."
+)
+
+# Запуск інтерфейсу
+interface.launch()
+

class_names.txt

@@ -0,0 +1,10 @@
+T-shirt/top
+Trouser
+Pullover
+Dress
+Coat
+Sandal
+Shirt
+Sneaker
+Bag
+Ankle boot

model.keras

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:907a0f289ae51f1851d4e74c294b6c81c65192a64286196773ca20c5b7329ebb
+size 2978443

requirements.txt

@@ -0,0 +1,5 @@
+tensorflow>=2.8.0
+gradio>=3.1.0
+numpy>=1.20.0
+pillow>=8.0.0
+