modelo_telefono

import gradio as gr import numpy as np from tensorflow.keras.preprocessing import image from tensorflow.keras.applications.vgg16 import preprocess_input

Aquí está el modelo ya cargado y configurado en tu entorno

No necesitas cargar el modelo nuevamente si ya está disponible como model

def clasificar_imagen(img): # Convertir la imagen a un array numpy si es necesario img = img.resize((150, 150)) # Ajustar el tamaño de la imagen si es necesario img = np.array(img) # Convertir la imagen a un array numpy img = img.reshape(1, 150, 150, 3) # Asegurarse de que la imagen tenga la forma correcta img = preprocess_input(img) # Preprocesar la imagen

# Realizar la predicción
prediccion = model.predict(img)[0][0]  # Asegúrate de que la predicción sea un número

# Verificar el valor de la predicción y retornar el resultado
if prediccion > 0.5:
    return {"Roto": prediccion, "No Roto": 1 - prediccion}
else:
    return {"Roto": prediccion, "No Roto": 1 - prediccion}

iface = gr.Interface( fn=clasificar_imagen, inputs=gr.Image(type="pil"), # Removed 'shape' argument, as it is likely not supported outputs=gr.Label(num_top_classes=2), # Gradio espera un diccionario con etiquetas ).launch()