Add application file and dependencies

app.py

@@ -25,7 +25,7 @@ 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.load_state_dict(torch.load('ARTmodelo5ns_vit_weights_epoch6.pth', map_location='cpu', weights_only=True))
 model.eval()
 
 # Definir la función de predicción
@@ -42,7 +42,7 @@ def predict_image(img):
         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
@@ -50,7 +50,7 @@ def predict_image(img):
 # Crear la interfaz de Gradio
 iface = gr.Interface(
     fn=predict_image,
-    inputs=gr.Image(type="file", label="Sube una imagen"),
+    inputs=gr.Image(type="filepath", label="Sube una imagen"),
     outputs=gr.Label(label="Predicción"),
     title="Clasificación de Imágenes de Lesiones Cutáneas",
     description="Carga una imagen de una lesión cutánea para obtener una predicción."