Update app.py

app.py

@@ -1,7 +1,7 @@
 import tensorflow as tf
 from keras.utils import custom_object_scope
 import gradio as gr
-import numpy as np  # Adicione esta linha
+import numpy as np
 
 # Defina a camada personalizada FixedDropout
 class FixedDropout(tf.keras.layers.Dropout):
@@ -20,13 +20,15 @@ with custom_object_scope({'FixedDropout': FixedDropout}):
 # Crie uma lista de classes
 class_names = ["Normal", "Cataract"]
 
+# Defina a função de pré-processamento para redimensionar a imagem
+def preprocess_image(inp):
+    img = tf.image.resize(inp, (192, 256))  # Redimensiona a imagem para (192, 256)
+    return img
+
 # Defina a função de classificação
 def classify_image(inp):
-    # Reshape a imagem de entrada para o formato esperado pelo modelo
-    img = inp.reshape((-1, 224, 224, 3))
-
     # Faça uma previsão usando o modelo treinado
-    prediction = loaded_model.predict(img).flatten()
+    prediction = loaded_model.predict(inp).flatten()
 
     # Retorna a classe prevista
     return class_names[np.argmax(prediction)]
@@ -34,10 +36,10 @@ def classify_image(inp):
 # Crie uma interface Gradio
 iface = gr.Interface(
     fn=classify_image,
-    inputs=gr.inputs.Image(shape=(224, 224)),
+    inputs=gr.inputs.Image(shape=(224, 224), preprocessing_fn=preprocess_image),
     outputs=gr.outputs.Label(),
     capture_session=True
 )
 
 # Inicie a interface Gradio
-iface.launch(debug=True)
+iface.launch(debug=True, share=True)