app.py

import gradio as gr
import tensorflow as tf
from PIL import Image
import numpy as np


# Laden Sie Ihr benutzerdefiniertes Regressionsmodell
model = tf.keras.models.load_model('Task_Pokemon.keras')

# Klassennamen, sollten Ihrem Dataset entsprechen
class_names = ['Aerodactyl', 'Charizard', 'Victreebel']

def classify_image(image):
    image = Image.fromarray(image.astype('uint8'), 'RGB')
    img = image.resize((224, 224))  # Ändern Sie die Größe auf 224x224
    img_array = tf.keras.preprocessing.image.img_to_array(img)
    img_array = tf.expand_dims(img_array, 0)  # Erstelle einen Batch
    predictions = model.predict(img_array)
    predicted_class = class_names[np.argmax(predictions[0])]
    confidence = np.max(predictions[0])
    return {predicted_class: float(confidence)}


image_input = gr.Image()
label = gr.Label(num_top_classes=3)

iface = gr.Interface(
    fn=classify_image,
    inputs=image_input,
    outputs=label,
    title='Pokémon-Bildklassifizierer',
    description='Lade ein Bild von Aerodactyl, Charizard oder Victreebel hoch. Unser Klassifizierer wird das Pokémon identifizieren und das Vertrauensniveau der Vorhersage anzeigen.'
)

iface.launch()