Spaces:
Sleeping
Sleeping
File size: 1,012 Bytes
adf2111 75fd37c 3cba85b 08cbfae df12e30 08cbfae 7708ef9 08cbfae 7708ef9 df12e30 ffc1de3 7708ef9 a2419a7 c8fb571 ecd73fd df12e30 c8fb571 7708ef9 08cbfae 7708ef9 ffc1de3 df12e30 08cbfae 8d9c7cb 7708ef9 65cc174 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 |
import tensorflow as tf
import gradio as gr
from PIL import Image, ImageDraw
# Carregue o modelo
loaded_model = tf.keras.models.load_model('modelo_treinado.h5')
# Crie uma lista de classes
class_names = ["Normal", "Cataract"]
# Defina a função de classificação
def classify_image(inp):
# Redimensione a imagem para o formato esperado pelo modelo (192x256)
img = Image.fromarray(inp).resize((256, 192))
# Converta a imagem para um array numpy e normalize-a (escala de 0 a 1)
img = np.array(img) / 255.0
# Faça uma previsão usando o modelo treinado
prediction = loaded_model.predict(np.expand_dims(img, axis=0)).flatten()
# Obtém a classe prevista
predicted_class = class_names[np.argmax(prediction)]
return inp, predicted_class
# Crie uma interface Gradio
iface = gr.Interface(
fn=classify_image,
inputs=gr.inputs.Image(shape=(192, 256)),
outputs=[gr.outputs.Image(type="numpy"), "label"],
)
# Inicie a interface Gradio
iface.launch(debug=True)
|