import gradio as gr import tensorflow as tf import numpy as np import os import tensorflow as tf import numpy as np from keras.models import load_model from tensorflow.keras.utils import load_img # Charger le modèle model = load_model('model_multi.h5') def format_decimal(value): decimal_value = format(value, ".2f") return decimal_value def detect(img): img = np.expand_dims(img, axis=0) img = img/255 prediction = model.predict(img)[0] # Initialisation du texte texte = "" # Détermination du texte et de la couleur pour chaque classe if format_decimal(prediction[0]) >= "0.5": texte += 'Risque d\'infection bactérienne' if format_decimal(prediction[1]) >= "0.5": texte += 'Poumon sain' if format_decimal(prediction[2]) >= "0.5": texte += 'Risque d\'infection biologique' if texte == "": texte = "Classe indéterminée" return texte # result = detect(img) # print(result) os.system("tar -zxvf examples.tar.gz") examples = ['examples/n1.jpeg', 'examples/n2.jpeg', 'examples/n3.jpeg', 'examples/n4.jpeg', 'examples/n5.jpeg', 'examples/n6.jpeg', 'examples/n7.jpeg', 'examples/n8.jpeg', 'examples/p6.jpeg', 'examples/p7.jpeg',] input = gr.inputs.Image(shape=(100,100)) title = "PneumoDetect: Detection de pneumonie par x-ray" iface = gr.Interface(fn=detect, inputs=input, outputs=[gr.Textbox(label="Diagnostic", lines=10)],examples = examples, examples_per_page=20, title=title) iface.launch(inline=False)