Upload 4 files

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+Task_Pokemon.keras filter=lfs diff=lfs merge=lfs -text

README.md

@@ -1,12 +1,32 @@
 ---
-title: Pokemon
-emoji: 🏃
-colorFrom: gray
-colorTo: pink
+title: Pokémon Klassifizierer
+emoji: 🐢
+colorFrom: pink
+colorTo: green
 sdk: gradio
 sdk_version: 4.28.3
 app_file: app.py
 pinned: false
+
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# Pokémon Klassifizierer
+
+## Beschreibung
+Dies ist eine einfache Machine Learning Anwendung, die Bilder von Pokémon klassifiziert. Lade ein Bild von einem der drei Pokémon Aerodactyl, Charizard oder Victreebel hoch, und die Anwendung wird dir mitteilen, um welches Pokémon es sich handelt und das Vertrauensniveau der Vorhersage angeben.
+
+## Wie es funktioniert
+- **Schritt 1**: Klicke auf "Durchsuchen" oder ziehe ein Bild in das Upload-Feld.
+- **Schritt 2**: Das Bild wird automatisch verarbeitet, und das Modell gibt die Klasse und das Vertrauensniveau zurück.
+
+## Modell
+Das Modell wurde mit TensorFlow trainiert und kann die folgenden Pokémon erkennen:
+- Aerodactyl
+- Charizard
+- Victreebel
+
+## Technische Details
+Dieser Space verwendet Gradio für die Benutzeroberfläche und TensorFlow für das Machine Learning Modell. Stelle sicher, dass alle Abhängigkeiten in der Datei `requirements.txt` aufgeführt sind.
+
+## Über
+Erstellt mit Leidenschaft von einem Pokémon-Liebhaber und Machine Learning Enthusiasten. Genieße die Nutzung!

Task_Pokemon.keras

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:a798fcc70a364958ea084cf69eea60f837c173c3a3da66c02679839a687da791
+size 283472566

app.py

@@ -0,0 +1,32 @@
+import gradio as gr
+import tensorflow as tf
+from PIL import Image
+import numpy as np
+
+# Lade dein benutzerdefiniertes Regressionsmodell
+model = tf.keras.models.load_model('Task_Pokemon.keras')
+
+# Klassennamen, sollten deinem Dataset entsprechen
+class_names = ['Aerodactyl', 'Charizard', 'Victreebel']
+
+def classify_image(image):
+    img = image.resize((160, 160))  # Hier definieren wir die Größe der Bilder
+    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, confidence
+
+image_input = gr.inputs.Image()
+label = gr.outputs.Label(num_top_classes=3)       
+
+iface = gr.Interface(
+    fn=classify_image, 
+    inputs=image_input, 
+    outputs=label,
+    title='Pokémon Klassifizierer',
+    description='Lade ein Bild von Aerodactyl, Charizard oder Victreebel hoch und der Klassifizierer wird dir mitteilen, um welches Pokémon es sich handelt, sowie das Vertrauensniveau der Vorhersage.'
+)
+
+iface.launch()

requirements.txt

@@ -0,0 +1,2 @@
+gradio
+tensorflow