Update app.py

app.py

@@ -1,29 +1,29 @@
-import streamlit as st
-from tensorflow.keras.models import load_model
-from PIL import Image
-import numpy as np
-
-model=load_model('my_cnn_model.h5')
-
-def process_image(img):
-    img=img.resize((170,170)) #boyutunu 170 x 170 pixel yaptik
-    img=np.array(img)
-    img=img/255.0 #normalize ettik
-    img=np.expand_dims(img,axis=0) #np tek bir array old için expand ediyoruz tek bir arraye dönştürüyoruz
-    return img
-
-st.title("Kanser Resmi Siniflandirma :cancer:")
-st.write("Resim sec ve model kanser olup olmadigini tahmin etsin")
-
-file=st.file_uploader('Bir Resim Sec',type=['jpg','jpeg','png'])
-
-if file is not None:
-    img=Image.open(file) #cv2 ile değil bu sefer image ile açıyoruz
-    st.image(img,caption='yuklenen resim') 
-    image= process_image(img) #yuklenen resme diğer resimlere yaptığımız processi yapıyoruz
-    prediction=model.predict(image)
-    predicted_class=np.argmax(prediction) #ihtimal yüzde elliden fazlaysa argmaxla 1, azsa 0 yapıyoruz
-
-class_names=['Kanser Degil','Kanser']
-st.write(class_names[predicted_class]) #0sa kanser değil 1se kanser yazdırcak
-
+import streamlit as st
+from tensorflow.keras.models import load_model
+from PIL import Image
+import numpy as np
+
+model=load_model('my_cnn_model.h5')
+
+def process_image(img):
+    img=img.resize((170,170)) #boyutunu 170 x 170 pixel yaptik
+    img=np.array(img)
+    img=img/255.0 #normalize ettik
+    img=np.expand_dims(img,axis=0) #np tek bir array old için expand ediyoruz tek bir arraye dönştürüyoruz
+    return img
+
+st.title("Kanser Resmi Siniflandirma :cancer:")
+st.write("Resim sec ve model kanser olup olmadigini tahmin etsin")
+
+file=st.file_uploader('Bir Resim Sec',type=['jpg','jpeg','png'])
+
+if file is not None:
+    img=Image.open(file) #cv2 ile değil bu sefer image ile açıyoruz
+    st.image(img,caption='yuklenen resim') 
+    image= process_image(img) #yuklenen resme diğer resimlere yaptığımız processi yapıyoruz
+    prediction=model.predict(image)
+    predicted_class=np.argmax(prediction) #ihtimal yüzde elliden fazlaysa argmaxla 1, azsa 0 yapıyoruz
+
+    class_names=['Kanser Degil','Kanser']
+    st.write(class_names[predicted_class]) #0sa kanser değil 1se kanser yazdırcak
+