prova1

app.py

@@ -1,7 +1,38 @@
 import gradio as gr
+import torch
+from fastai.vision.all import *
+from PIL import Image
 
-def greet(name):
-    return "Hello " + name + "!!"
+# Cargar el modelo desde el archivo .pkl
+modelo = load_learner('model.pkl')
 
-iface = gr.Interface(fn=greet, inputs="text", outputs="text")
-iface.launch()
+# Función de clasificación
+def clasificar_imagen(imagen):
+    imagen = Image.fromarray(imagen.astype('uint8'), 'RGB')
+    # Preprocesar la imagen si es necesario (ajustar tamaño, normalizar, etc.)
+    imagen_preprocesada = pil2tensor(imagen, dtype=np.float32)
+    # Realizar la predicción con el modelo
+    predicciones, _, _ = modelo.predict(imagen_preprocesada)
+    etiqueta = str(predicciones[0])
+    return etiqueta
+
+# Función de interpretación
+def interpretar_imagen(imagen):
+    imagen = Image.fromarray(imagen.astype('uint8'), 'RGB')
+    # Preprocesar la imagen si es necesario (ajustar tamaño, normalizar, etc.)
+    imagen_preprocesada = pil2tensor(imagen, dtype=np.float32)
+    # Obtener las zonas de enfoque del modelo
+    interp = ClassificationInterpretation.from_learner(modelo, imagen_preprocesada)
+    zonas_enfoque, _ = interp.top_losses()
+    # Aplicar el resaltado de las zonas de enfoque a la imagen original
+    imagen_interpretada = interp.plot_top_losses(k=1, img_tensor=imagen_preprocesada)[0]
+    return imagen_interpretada
+
+# Definir la interfaz de usuario con Gradio
+entrada = gr.inputs.Image()
+salida = gr.outputs.Textbox()
+
+interfaz = gr.Interface(fn=clasificar_imagen, inputs=entrada, outputs=salida, interpretation=interpretar_imagen)
+
+# Ejecutar la interfaz de usuario
+interfaz.launch()