Update app.py

app.py

@@ -1,34 +1,34 @@
-import gradio as gr
-from tensorflow.keras.models import load_model
-from tensorflow.keras.preprocessing import image
-import numpy as np
-from PIL import Image
-
-
-model = load_model("Model_1.keras")
-
-
-def predict_image(img):
-    img = img.resize((256, 256))  
-    img_array = np.array(img) / 255.0  
-    img_array = np.expand_dims(img_array, axis=0)  
-    prediction = model.predict(img_array)
-    class_names = ["Fake","Real"]
-    predicted_class = np.argmax(prediction[0])
-    confidence = prediction[0][predicted_class]
-    if confidence < 0.49:
-        return f"C'est une image générée par un Algorithme d'IA, avec une confiance de {confidence*100: .2f}% "
-    elif confidence > 0.52:
-        return f"C'est une image réelle, avec une confiance de {confidence*100:.2f}%  "
-    else:
-        return f"Plus ou moins une image rélle, avec une confiance de {confidence*100: .2f}%  "
-
-interface = gr.Interface(
-    fn=predict_image,
-    inputs=gr.Image(type="pil"),
-    outputs="text",
-    title="Détection d'images générée par l'IA'"
-)
-
-
-interface.launch("share=True")
+import gradio as gr
+from tensorflow.keras.models import load_model
+from tensorflow.keras.preprocessing import image
+import numpy as np
+from PIL import Image
+
+
+model = load_model("Model_1.keras")
+
+
+def predict_image(img):
+    img = img.resize((256, 256))  
+    img_array = np.array(img) / 255.0  
+    img_array = np.expand_dims(img_array, axis=0)  
+    prediction = model.predict(img_array)
+    class_names = ["Fake","Real"]
+    predicted_class = np.argmax(prediction[0])
+    confidence = prediction[0][predicted_class]
+    if confidence < 0.49:
+        return f"C'est une image générée par un Algorithme d'IA, avec une confiance de {confidence*100: .2f}% "
+    elif confidence > 0.52:
+        return f"C'est une image réelle, avec une confiance de {confidence*100:.2f}%  "
+    else:
+        return f"Plus ou moins une image rélle, avec une confiance de {confidence*100: .2f}%  "
+
+interface = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(type="pil"),
+    outputs="text",
+    title="Détection d'images générées par l'IA"
+)
+
+
+interface.launch("share=True")