app.py

# -*- coding: utf-8 -*-
"""app.ipynb

Automatically generated by Colaboratory.

Original file is located at
    https://colab.research.google.com/drive/1gh_f1m9IsMincK_S4CZVx2SmJMheJUFp
"""

import tensorflow as tf
from huggingface_hub import from_pretrained_keras
import gradio as gr

model = from_pretrained_keras("keras-io/supervised-contrastive-learning-cifar10")

labels = ["avion", "pajaro", "coche", "gato", "ciervo","perro", "caballo", "mono", "barco", "camion"]

def clasificadorImages(test_imagen):
    image = tf.constant(test_imagen)
    image = tf.reshape(image, [-1, 32, 32, 3])
    pred = model.predict(image)
    pred_list = pred[0, :]
    return {labels[i]: float(pred_list[i]) for i in range(10)}

image = gr.inputs.Image(shape=(32, 32))
label = gr.outputs.Label(num_top_classes=3)

article="He importado un modelo supervisado de clasificación ya preentrenado de keras.\nPrimero he difinido los diferentes labels que se van a clasificar. Luego he realizado una función donde le daba el tamaño de la imagen y realizaba la predicción. Esa función finalizaba con un returs de los labes con sus respectivas predicciones.\nPor último he creado la demo gracias ha la herramienta gradio donde le he metido todos los componentes que diene la demo."
description="Clasificación de imágenes tanto de vehículos de transportes como por ejemplo aviones, coche, barco etc. y de mascotas como por ejemplo perros, gatos, monos etc."

Iface = gr.Interface(
    fn = clasificadorImages,
    inputs=image,
    outputs=label,
    article=article,
    examples=[["ejemplos/barco.jpg"],["ejemplos/gato.jpg"],["ejemplos/perro.jpeg"],["ejemplos/avion.jpeg"]],
    title="Clasificación de imágenes",
    description=description,
).launch()