app.py

import gradio as gr
import gradio as gr
import torch
import torchvision.transforms as transforms
from PIL import Image
from torchvision import models
import torch

# โหลด model จากไฟล์ .pt
model = torch.load('model_blood.pt',map_location=torch.device('cpu'))
# device = 'cpu' # torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# model.to(device)
model.eval()

# ข้อความ string ค่าของ classes ที่มี
targets = ['Negative','Positive']

# เตรียม data ก่อนเข้าโมเดล
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

# ฟังก์ชันประมวลผลรูปภาพ
def classify_image(img):
    img = Image.fromarray(img.astype('uint8'), 'RGB')
    img = transform(img).unsqueeze(0)
    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
    img = img.to(device)

    with torch.no_grad():
        prediction = torch.nn.functional.softmax(model(img)[0], dim=0)
        confidences = {targets[i]: float(prediction[i]) for i in range(2)}
    return confidences

# รันโปรแกรมเว็บ gradio
demo = gr.Interface(fn=classify_image,
             inputs=gr.Image(width=224, height=224),
             outputs=gr.Label(num_top_classes=2),
             examples=["examples/negative.jpeg", "examples/positive.jpeg"]) # ภาพตัวอย่างมาจาก folder examples

demo.launch(share=True, debug=True)