dfdfd

app.py

@@ -4,18 +4,6 @@ import keras
 from keras.preprocessing import image
 from huggingface_hub import from_pretrained_keras
 
-	#url_image = '' ### './'
-	#name_image = '/home/user/app/'+ name_image
-
-	#image.load_img(name_image)
-
-	#folder = 'dados_teste_github/'  
-
-
-	# fs_query_file = "hf://datasets/my-username/my-dataset-repo/data_dir/data.parquet"
-	# df = duckdb.query(f"SELECT * FROM '{fs_query_file}'"f
-
-
 # Remove whitespace from the top of the page
 reduce_header_height_style = """
     <style> .stDeployButton {visibility: hidden;} </style>
@@ -23,30 +11,17 @@ reduce_header_height_style = """
 """
 st.markdown(reduce_header_height_style, unsafe_allow_html=True)
 
-#def predict_image(name_image):
 
 def predict_image(file_name):
 
 	IMAGE_HEIGHT, IMAGE_WIDTH = 299, 299
 	categories = ['Normal', 'Tuberculose']
-	url_image = './'
-
-	from PIL import Image
-	#file_name = st.file_uploader("Upload a hot dog candidate image")
-	# file_name = st.file_uploader("Carregue uma imagem:")
-	# image_hf = Image.open(file_name)
-
-	# col1.header(file_name)
-	# col1.image(image_hf, width=450)
 
 	img = img_orig = image.load_img(file_name, target_size = (IMAGE_HEIGHT, IMAGE_WIDTH))
 	img = image.img_to_array(img)
 	img = np.expand_dims(img, axis = 0)
 	img = img/255.0
   
-
-
-
 	pred = st.session_state.model.predict(img)
 	classe = np.argmax(pred)
 	nome_classe = categories[classe]
@@ -63,7 +38,7 @@ def predict_image(file_name):
 
 	msg = 'Previsão: ' + classe_prevista + str_prob
 	#col1.header(msg)
-	print(mensagem)
+	#print(mensagem)
 
 	return msg
 
@@ -124,7 +99,7 @@ st.write("")
 
 footer="\
 <div > \
-<p>Sistema de Apoio ao Diagnóstico de Doenças Pulmonares versão 1.0.1.<br> \
+<p>Sistema de Apoio ao Diagnóstico de Doenças Pulmonares versão 1.0.2.<br> \
 Desenvolvido por Prof. Dr. Vladimir Costa de Alencar e Equipe de Pesquisadores do LANA/UEPB. <br> \
 Campina Grande, Paraíba, Brasil, 2024.<br> \
 <a href='https://www.valencar.com' target='_blank'>www.valencar.com</a></p>"