Create app.py

app.py

@@ -0,0 +1,60 @@
+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('best_model.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
+    # Faire une prédiction
+    prediction = model.predict(img)[0]
+
+    # Initialisation du texte
+    texte = ""
+
+    # Classes prédictives avec leurs index respectifs
+    class_names = ['AMAZONE', 'BIOGUERRA', 'REVENANT', 'ZANGBETO']
+
+    # Détermination du texte pour chaque classe
+    for idx, class_name in enumerate(class_names):
+        if prediction[idx] >= 0.5:
+            texte += f'{class_name} détecté\n'
+
+    # Si aucune classe n'est détectée
+    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 = "Orisha"
+
+iface = gr.Interface(fn=detect, inputs=input, outputs=[gr.Textbox(label="Classe", lines=10)],
+                     #examples = examples,
+                     #examples_per_page=20,
+                     title=title)
+iface.launch(inline=False)