let's deploy to huggingface spaces

app.py

@@ -0,0 +1,27 @@
+from fastbook import *
+import gradio as gr
+
+learn = load_learner('multiclassmodel.pkl')
+
+labels = learn.dls.vocab
+labels
+
+def predict(img):
+    img = PILImage.create(img)
+    pred, pred_idx,probs = learn.predict(img)
+    return{labels[i]: float(probs[i]) for i in range(len(labels))}
+
+title = "Demo Klassifikator für Vögel, Kuchen, Katzen, Hunde, Elefanten und Mäuse"
+description = "Mit fast.ai auf Basis von zufällig heruntergeladenen Bildern aus dem Internet erstellter Klassifikator für die im Titel genannten Klassen"
+article = "<p style='text-align: center'><a href='https://tmabraham.github.io/blog/gradio_hf_spaces_tutorial' target='_blank'>Blog post</a></p>"
+examples = ['Berner_Sennenhund.jpg', 'bird.jpg','horse.jpg', 'Kartaeuser.jpg', 'mouse.jpg', 'Muffin.jpg']
+interpretation = 'default'
+
+gr.Interface(fn=predict, inputs=gr.inputs.Image(shape=(512, 512)), outputs=gr.outputs.Label(num_top_classes=3),
+             title=title, description=description, article=article,examples=examples,interpretation=interpretation, enable_queue=True
+            ).launch(share=True)
+
+
+
+
+

multiclassmodel.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:b9926f628f0f8c5f7b62412bd2004d1a975e0b37133a80a3629f40799c696ab1
+size 46969711

requirements.txt

@@ -0,0 +1,2 @@
+fastai
+scikit-image