app.py

import gradio as gr
from PIL import Image
import numpy as np
from tensorflow.keras.preprocessing import image as keras_image
from tensorflow.keras.applications.inception_v3 import preprocess_input
from tensorflow.keras.models import load_model

# Lade dein trainiertes Modell
model = load_model('/home/user/app/inceptionv3.h5')  # Stelle sicher, dass dieser Pfad korrekt ist

def predict_character(img):
    img = Image.fromarray(img.astype('uint8'), 'RGB')  # Stelle sicher, dass das Bild im RGB-Format vorliegt
    img = img.resize((299, 299))  # Größe des Bildes anpassen für InceptionV3
    img_array = keras_image.img_to_array(img)  # Bild in ein Array umwandeln
    img_array = np.expand_dims(img_array, axis=0)  # Dimensionen erweitern, um dem Model-Input zu entsprechen
    img_array = preprocess_input(img_array)  # Input für InceptionV3 vorverarbeiten
    
    prediction = model.predict(img_array)  # Vorhersage mit dem Modell
    classes = ['bishop', 'knight', 'rook']  # Spezifische Charakter-Namen
    return {classes[i]: float(prediction[0][i]) for i in range(3)}  # Vorhersage zurückgeben

# Definiere das Gradio-Interface
interface = gr.Interface(fn=predict_character, 
                         inputs="image",  # Vereinfachter Eingabetyp
                         outputs="label",  # Vereinfachter Ausgabetyp
                         title="Chess Piece Classifier",
                         description="Upload an image of a chess piece to classify it as a bishop, knight, or rook.")

# Starte das Interface
interface.launch()