Add application file and dependencies

ARTmodelo5ns_vit_weights_epoch6.pth

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:bdb37a9d5130066802689779dc5322787ea94eef1f1d32e4fac23076774346ff
+size 343269794

app.py

@@ -0,0 +1,60 @@
+import gradio as gr
+import torch
+import numpy as np
+from torchvision import transforms
+from PIL import Image
+from timm import create_model
+
+# Definir el diccionario de mapeo de clases a índices
+class_to_idx = {'Monkeypox': 0, 'Melanoma': 1, 'Herpes': 2, 'Sarampion': 3, 'Varicela': 4}
+
+# Transformación de datos
+transform = transforms.Compose([
+    transforms.Resize((224, 224)),
+    transforms.ToTensor(),
+])
+
+# Función para cargar y preprocesar una imagen
+def load_image(image_path):
+    image = Image.open(image_path).convert('RGB')
+    image = transform(image).unsqueeze(0)  # Añadir dimensión del batch
+    return image
+
+# Cargar el modelo
+model_name = 'vit_base_patch16_224'
+pretrained = True
+num_classes = len(class_to_idx)
+model = create_model(model_name, pretrained=pretrained, num_classes=num_classes)
+model.load_state_dict(torch.load('ARTmodelo5ns_vit_weights_epoch6.pth', map_location='cpu'))
+model.eval()
+
+# Definir la función de predicción
+def predict_image(img):
+    # Convertir la imagen a PIL.Image si es un numpy array
+    if isinstance(img, np.ndarray):
+        img = Image.fromarray(img)
+    
+    # Convertir la imagen a tensor y añadir dimensión del batch
+    img_tensor = transform(img).unsqueeze(0)
+    
+    # Realizar la predicción
+    with torch.no_grad():
+        output = model(img_tensor)
+        _, predicted = torch.max(output, 1)
+
+    # Obtener la etiqueta predicha
+    predicted_label = list(class_to_idx.keys())[predicted.item()]
+    
+    return predicted_label
+
+# Crear la interfaz de Gradio
+iface = gr.Interface(
+    fn=predict_image,
+    inputs=gr.inputs.Image(type="file", label="Sube una imagen"),
+    outputs=gr.outputs.Label(label="Predicción"),
+    title="Clasificación de Imágenes de Lesiones Cutáneas",
+    description="Carga una imagen de una lesión cutánea para obtener una predicción."
+)
+
+# Lanzar la interfaz de Gradio
+iface.launch()

requirements.txt

@@ -0,0 +1,5 @@
+torch
+timm
+numpy
+Pillow
+gradio