app.py

import gradio as gr
import tensorflow as tf
from PIL import Image 
import numpy as np


# Cargue su modelo (aquí el archivo Keras .h5 como ejemplo)
# Load your model (here the Keras .h5 file as an example)
# Carica il tuo modello (qui il file Keras .h5 come esempio)
# Cargue su modelo (aquí el archivo Keras .h5 como ejemplo)
# 加载你的模型（这里以 Keras .h5 文件为例）
# Lade dein Modell (hier als Beispiel die Keras .h5 Datei)
model = tf.keras.models.load_model('pokemon_model.keras')



# Class names should match your dataset
# I nomi delle classi devono corrispondere al tuo set di dati
# Los nombres de las clases deben coincidir con su conjunto de datos.
# Klassennamen, sollten deinem Dataset entsprechen
# 类名应该与你的数据集匹配
class_names = ['Jolteon', 'Kakuna', 'Mr. Mime']


def classify_image(image):
    image = Image.fromarray(image.astype('uint8'), 'RGB')
    img = image.resize((150, 150))
    img_array = tf.keras.preprocessing.image.img_to_array(img)
    img_array = tf.expand_dims(img_array, 0) # 创建一个批次,  # Crea un batch, # Erstelle einen Batch, # Create a batch, # Crear un lote, 
    predictions = model.predict(img_array)
    predicted_class = class_names[np.argmax(predictions[0])]
    confidence = np.max(predictions[0])
    return {predicted_class: float(confidence)}


image_input = gr.Image() # Rimuove il parametro `shape`, # Entferne den `shape` Parameter, # 删除`shape`参数， # Eliminar el parámetro `forma`, # Remove the `shape` parameter,
label = gr.Label(num_top_classes=3)

iface = gr.Interface(
    fn=classify_image, 
    inputs=image_input,
    outputs=label,
    title='Pokémon Classifier',
    description='Upload an image of Jolteon, Kakuna, or Mr. Mime and the classifier will tell you which one it is and the confidence level of the prediction.').launch()

#iface.launch()