Create app.py

app.py

@@ -0,0 +1,30 @@
+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/one_piece_character_classifier.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()