Create app.py

app.py

@@ -0,0 +1,34 @@
+from huggingface_hub import from_pretrained_fastai
+import gradio as gr
+from fastai.vision.all import *
+from PIL import Image
+import numpy as np
+import librosa, librosa.display
+
+# repo_id = "YOUR_USERNAME/YOUR_LEARNER_NAME"
+repo_id = "jegilj/intel-image-classification"
+
+learner = from_pretrained_fastai(repo_id)
+labels = learner.dls.vocab
+
+
+
+def crear_espectrograma(ruta_wav):
+  sonido_espectrograma, _ = librosa.load(os.path.join(BASE_FOLDER, ruta_wav))
+  matriz_con_float = librosa.amplitude_to_db(librosa.stft(sonido_espectrograma)) + 100 # sumo 100 para que los valores sean positivos, antes estaban entre -50 y 40 aprox
+  matriz_con_int = matriz_con_float.astype(np.uint8)
+  imagen = Image.fromarray(matriz_con_int)
+  return imagen
+
+
+
+# Funcion para predecir:
+
+def predecir(ruta_wav_predecir):
+  imagen = crear_espectrograma(ruta_wav_predecir)
+  imagen.save("imagen_pedecir.png")
+  pred,pred_idx,probs = learn_inf.predict('imagen_pedecir.png')
+  return {labels[i]: float(probs[i]) for i in range(len(labels))}
+
+# Creamos la interfaz y la lanzamos. 
+gr.Interface(fn=predict, inputs=gr.inputs.Image(shape=(128, 128)), outputs=gr.outputs.Label(num_top_classes=3),examples=['00625137.jpg','2001242496.jpg']).launch(share=False)