Update app.py

app.py

@@ -1,39 +1,9 @@
-
 import gradio as gr
 import tensorflow as tf
-import h5py
-import json
 
 path_to_model = "./modelo_jeysshon_iaderm.h5"
 
-# Abre el archivo HDF5 del modelo
-with h5py.File(path_to_model, 'r+') as f:
-    # Navega hasta la configuración del modelo
-    model_config = f['model_config']
-    model_config_str = model_config[()].decode('utf-8')
-    
-    # Carga la configuración como un diccionario
-    config = json.loads(model_config_str)
-    
-    # Función para eliminar el argumento 'groups' de la configuración
-    def remove_groups(config):
-        if isinstance(config, dict):
-            if 'class_name' in config and config['class_name'] == 'DepthwiseConv2D':
-                if 'config' in config and 'groups' in config['config']:
-                    del config['config']['groups']
-            for key, value in config.items():
-                remove_groups(value)
-        elif isinstance(config, list):
-            for item in config:
-                remove_groups(item)
-    
-    # Elimina el argumento 'groups' de la configuración del modelo
-    remove_groups(config)
-    
-    # Guarda la configuración modificada de nuevo en el archivo HDF5
-    model_config[()] = json.dumps(config).encode('utf-8')
-
-# Ahora intenta cargar el modelo nuevamente
+# Cargar el modelo directamente
 model = tf.keras.models.load_model(path_to_model)
 
 labels = [
@@ -51,13 +21,14 @@ labels = [
     'Urticaria Ronchas', 'Tumores Vasculares', 'Vasculitis', 'Verrugas Molusco'
 ]
 
-def classify_image(photos):
-    photos = photos.reshape((-1, 224, 224, 3))
-    prediction = model.predict(photos).flatten()
+def classify_image(image):
+    image = tf.image.resize(image, (224, 224))
+    image = tf.expand_dims(image, axis=0)
+    prediction = model.predict(image).flatten()
     confidences = {labels[i]: float(prediction[i]) for i in range(23)}
     return confidences
 
-title = "AI-DERM DETECTION "
+title = "AI-DERM DETECTION"
 
 article = (
     "Se propone un sistema automatizado para el diagnóstico de las 23 enfermedades comunes de la piel:\n\n"
@@ -116,4 +87,3 @@ gr.Interface(
     outputs=gr.outputs.Label(num_top_classes=4),
     examples=examples
 ).launch()
-