Update app.py

app.py

@@ -1,35 +1,29 @@
 import gradio as gr
-from sklearn.neighbors import KNeighborsClassifier
-from skimage.io import imread
+from joblib import load
 from skimage.transform import resize
+from skimage.color import rgb2gray
 import numpy as np
 
-# Cargar el modelo KNN pre-entrenado (debes entrenar previamente el modelo y guardarlo)
-classifier = KNeighborsClassifier(n_neighbors=5)
-# Cargar el conjunto de datos o modelo pre-entrenado
-# Por ejemplo, puedes cargar el mismo conjunto de datos de dígitos que usaste en tu código original o uno similar.
+classifier = load('knn_classifier.joblib')
 
-# Define una función para realizar la predicción
-def knn_predict(image):
-    # Lee la imagen cargada por el usuario
-    user_image = imread(image)
+def predict_image(image):
+  if len(image.shape) == 3:
+    image = rgb2gray(image)
 
-    # Asegúrate de que la imagen tenga el mismo tamaño que las imágenes de entrenamiento
-    user_image = resize(user_image, (8, 8), anti_aliasing=True)
+  image = resize(image, (8,8),anti_aliasing=True, mode='reflect') #Redimensionamiento
+  image = (image * 255).astype(np.uint8)
 
-    # Aplique el modelo KNN para realizar la predicción
-    prediction = classifier.predict(user_image.reshape(1, -1))
+  #image = np.array(image, dtype = np.float64)
+  image = np.invert(image)
+  image = image.reshape(1,-1)
 
-    return str(prediction[0])
+  prediction = classifier.predict(image)
+  return prediction[0]
 
-# Crea una interfaz de Gradio
 iface = gr.Interface(
-    fn=knn_predict,
-    inputs="image",
-    outputs="text",
-    title="Clasificador KNN de Dígitos",
-    description="Sube una imagen de un dígito (8x8 píxeles) y predice el número."
+    fn = predict_image,
+    inputs = "image",
+    outputs = "text"
 )
 
-# Ejecute la interfaz de Gradio
-iface.launch(debug = True)
+iface.launch(debug=True)