Upload 11 files

app.py

@@ -0,0 +1,54 @@
+#Importamos librerías
+%pip install gradio
+from PIL import Image
+import gradio as gr
+import numpy as np
+import os
+import matplotlib.image as mpimg
+import matplotlib.pyplot as plt
+
+import tensorflow as tf
+from tensorflow import keras
+from tensorflow.keras.preprocessing.image import ImageDataGenerator, img_to_array, load_img
+from tensorflow.keras.callbacks import ReduceLROnPlateau
+from keras.models import Sequential
+from keras.layers import Dense,MaxPooling2D,Dropout,Flatten,BatchNormalization,Conv2D
+
+#cargo el modelo preentrenado
+model = keras.models.load_model('/content/drive/MyDrive/model_cancer2.h5')
+
+# Definir las etiquetas de clase
+class_names = ['adenocarcinoma', 'large_carcinoma', 'squamous_carcinoma', 'normal']
+
+# Función para realizar predicciones en una imagen
+def predict_image(img):
+    # Preprocesar la imagen para que coincida con el formato de entrada del modelo
+    img_array = img_to_array(img)  # Convertir la imagen a un array
+    img_array = tf.image.resize(img_array, [224, 224])  # Ajustar al tamaño de entrada del modelo
+    img_array = np.expand_dims(img_array, axis=0)
+    img_array = img_array.copy() / 255.0  # Normalizar los valores de píxeles al rango [0, 1]
+
+
+    # Hacer la predicción
+    predictions = model.predict(img_array)
+    # Devolver un diccionario con las confidencias de cada clase
+    return {class_names[i]: float(predictions[0][i]) for i in range(len(class_names))}
+
+# Configuración de la interfaz Gradio con ejemplos predefinidos
+iface = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(),
+    outputs=gr.Label(num_top_classes=len(class_names)),
+    examples=[
+        [np.array(Image.open("/content/Data/test/adenocarcinoma/000114 (5).png"))],
+        [np.array(Image.open("/content/Data/test/adenocarcinoma/000120.png"))],
+        [np.array(Image.open("/content/Data/test/large.cell.carcinoma/000111.png"))],
+        [np.array(Image.open("/content/Data/test/large.cell.carcinoma/000120.png"))],
+        [np.array(Image.open("/content/Data/test/normal/12 (2) - Copy.png"))],
+        [np.array(Image.open("/content/Data/test/normal/7.png"))],
+        [np.array(Image.open("/content/Data/test/squamous.cell.carcinoma/000116 (5).png"))],
+        [np.array(Image.open("/content/Data/test/squamous.cell.carcinoma/000121 (5).png"))],
+        [np.array(Image.open("/content/Data/test/squamous.cell.carcinoma/000168 (2).png"))]
+    ]
+)
+iface.launch()

model_cancer2.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1b76fe4c9983173f3dfeb4fdfc3b7bd8da48a0ae66632d58987a3796ae2888d0
+size 213105008

requeriments

@@ -0,0 +1,3 @@
+tensorflow==2.15
+keras==2.15
+numpy==1.24