Add application file

app.py

@@ -0,0 +1,37 @@
+model = tf.keras.models.load_model('mnist.keras') # .keras modellunk betoltese
+
+def preprocess_image(img):  # Szokasos preprocess eljaras
+    # Grayscale konverzio (ha nem ugy lenne)
+    if len(img.shape) == 3 and img.shape[-1] == 3:
+        img = tf.image.rgb_to_grayscale(img).numpy().squeeze()
+    
+    img = tf.image.resize(img[None, ..., None], (28, 28)).numpy().squeeze() # atmeretez: 28x28
+    
+    # szures: fekete hatter - feher digitek
+    if img.mean() > 127:
+        img = 255 - img
+    
+    img = img.astype('float32') / 255.0 # Normalize
+    img = img.reshape(784) # Lapositjuk az adatot mert az ANN igy keri
+    
+    return img
+
+def predict_digit(img):  # Predict funkcio - Ez indul a submit gombra
+    processed_img = preprocess_image(img)  # Preprocess the image
+    processed_img = np.expand_dims(processed_img, axis=0)   # Add batch dimension
+    prediction = model.predict(processed_img)[0]  # Make prediction
+    
+    # Return the prediction as a dictionary
+    return {str(i): float(prediction[i]) for i in range(10)}
+
+# A gradio interface
+iface = gr.Interface(
+    fn=predict_digit,   # a fo funkcio
+    inputs=gr.Image(type="numpy", label="Tölts fel egy képet ..."),
+    outputs=gr.Label(num_top_classes=3, label="A feltöltött számjegy:"),
+    title="MNIST Digit Recognition",
+    description="Tölts fel egy kézzel írott szám képet (0-9) és a modell megállapítja melyik szám az",
+)
+
+# iface.launch() # Interface indítása
+iface.launch(share=True) # Interface indítása