Update app.py

app.py

@@ -1,29 +1,35 @@
 import gradio as gr
-from joblib import load
+from sklearn.neighbors import KNeighborsClassifier
+from skimage.io import imread
 from skimage.transform import resize
-from skimage.color import rgb2gray
 import numpy as np
 
-classifier = load('knn_classifier.joblib')
+# Cargar el modelo KNN pre-entrenado (debes entrenar previamente el modelo y guardarlo)
+classifier = KNeighborsClassifier(n_neighbors=5)
+# Cargar el conjunto de datos o modelo pre-entrenado
+# Por ejemplo, puedes cargar el mismo conjunto de datos de dígitos que usaste en tu código original o uno similar.
 
-def predict_image(image):
-  if len(image.shape) == 3:
-    image = rgb2gray(image)
+# Define una función para realizar la predicción
+def knn_predict(image):
+    # Lee la imagen cargada por el usuario
+    user_image = imread(image)
 
-  image = resize(image, (8,8),anti_aliasing=True, mode='reflect') #Redimensionamiento
-  image = (image * 255).astype(np.uint8)
+    # Asegúrate de que la imagen tenga el mismo tamaño que las imágenes de entrenamiento
+    user_image = resize(user_image, (8, 8), anti_aliasing=True)
 
-  #image = np.array(image, dtype = np.float64)
-  image = np.invert(image)
-  image = image.reshape(1,-1)
+    # Aplique el modelo KNN para realizar la predicción
+    prediction = classifier.predict(user_image.reshape(1, -1))
 
-  prediction = classifier.predict(image)
-  return prediction[0]
+    return str(prediction[0])
 
+# Crea una interfaz de Gradio
 iface = gr.Interface(
-    fn = predict_image,
-    inputs = "image",
-    outputs = "text"
+    fn=knn_predict,
+    inputs="image",
+    outputs="text",
+    title="Clasificador KNN de Dígitos",
+    description="Sube una imagen de un dígito (8x8 píxeles) y predice el número."
 )
 
-iface.launch(debug=True)
+# Ejecute la interfaz de Gradio
+iface.launch(debug = True)