Update app.py

app.py

@@ -8,10 +8,10 @@ IMG_HEIGHT = 512
 IMG_WIDTH = 512
 
 # Função para construir o modelo
-def build_model(img_height, img_width, n):
-    inp = tf.keras.layers.Input(shape=(img_height, img_width, n))
+def build_original_model():
+    inp = tf.keras.layers.Input(shape=(IMG_HEIGHT, IMG_WIDTH, 3))
     efnet = efn.EfficientNetB3(  # Usando EfficientNetB3
-        input_shape=(img_height, img_width, n),
+        input_shape=(IMG_HEIGHT, IMG_WIDTH, 3),
         weights='imagenet',
         include_top=False
     )
@@ -25,8 +25,8 @@ def build_model(img_height, img_width, n):
     return model
 
 # Carregue o modelo treinado
-loaded_model = build_model(IMG_HEIGHT, IMG_WIDTH, 3)
-loaded_model.load_weights('modelo_treinado.h5')
+original_model = build_original_model()
+original_model.load_weights('modelo_treinado.h5')
 
 # Função para realizar o pré-processamento da imagem de entrada
 def preprocess_image(input_image):
@@ -45,7 +45,7 @@ def predict(input_image):
 
     # Faça uma previsão usando o modelo carregado
     input_image = tf.expand_dims(input_image, axis=0)
-    prediction = loaded_model.predict(input_image)
+    prediction = original_model.predict(input_image)
 
     # A saída será uma matriz de previsões
     class_names = ["Normal", "Cataract"]