Fixed merge

app.py

@@ -1,4 +1,3 @@
-<<<<<<< HEAD
 import numpy as np
 import gradio as gr
 from PIL import Image
@@ -29,33 +28,4 @@ gr.Interface(fn=classify,
              inputs=input_sketchpad,   
              outputs=output_lable,
              allow_flagging=False, 
-=======
-import numpy as np
-import gradio as gr
-from PIL import Image
-from tensorflow import keras
-
-model = keras.models.Sequential([
-  keras.layers.Flatten(input_shape=(28, 28)),      # Diese Schicht nimmt unser 2D-Bild und verwandelt es in ein 1D-Array
-  keras.layers.Dense(512, activation='relu'),       # Als Nächstes kommen zwei Schichten mit 512 künstlichen Neuronen. Als Funktion wählen wir 'relu' f(x) = max(0,x)
-  keras.layers.Dense(512, activation='relu'),     
-  keras.layers.Dense(10,  activation='softmax')    # Die letzte Schicht besteht aus 10 Neuronen, die für unsere 10 Zahlen stehen. Die 'softmax' Funktion wandelt die Ergebnisse der vorherigen Schicht in Wahrscheinlichkeiten
-])
-
-model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
-
-model.load_weights('./weights/weights')
-
-def classify(input):
-    image = np.expand_dims(np.array(Image.fromarray(input['layers'][0]).resize((28,28),resample=Image.Resampling.BILINEAR), dtype=int), axis=0)#[:,:,0]
-    prediction = model.predict(image).tolist()[0]
-    return {str(i): float(prediction[i]) for i in range(10)}
-
-input_sketchpad = gr.Paint(image_mode="L", brush=gr.components.image_editor.Brush(default_color="rgb(156, 104, 200)"))
-
-gr.Interface(fn=classify,               
-             inputs=input_sketchpad,   
-             outputs="label",
-             allow_flagging=False, 
->>>>>>> 1f82054bee2ed11c23599ab720a05335eb2d9499
              theme=gr.themes.Soft()).launch()