app.py

import gradio as gr
import tensorflow as tf
from PIL import Image
import numpy as np

# Teachable Machineで作成したモデルのパス
model_path = "keras_model.h5"

# モデルの読み込み
model = tf.keras.models.load_model(model_path)

# クラスのラベル（Teachable Machineで指定したクラス名と同じ順序で設定）
class_labels = [
"Cotton",
"Linen",
"Silk",
"Wool",
"Polyester",
"Nylon",
"Rayon",
"Fleece",
"Leather",
"Synth Leather"
]

# GradioのUIの設定
def classify_image(img):
    # 画像の前処理
    img = Image.fromarray((img * 255).astype(np.uint8))
    img = img.resize((224, 224))
    img_array = tf.keras.preprocessing.image.img_to_array(img)
    img_array = tf.expand_dims(img_array, 0)  # バッチの次元を追加

    # モデルの予測
    predictions = model.predict(img_array)
    predicted_class = class_labels[np.argmax(predictions)]

    return predicted_class

# Gradio UIの作成
iface = gr.Interface(
    fn=classify_image,
    inputs=gr.Image(),
    outputs=gr.Textbox(),
    # live=True,
)

# UIの起動
iface.launch(share=True)