Update app.py

app.py

@@ -1,39 +1,47 @@
 import gradio as gr
 import numpy as np
+from tensorflow.keras.models import load_model
+from PIL import Image
 import tensorflow as tf
 
-# Cargar el modelo guardado en formato .keras
-siamese_model = tf.keras.models.load_model("mnist_siamese_model.keras")
+# 🧠 Cargar modelo (asegúrate de que el archivo esté en la raíz del repositorio)
+def euclidean_distance(vects):
+    x, y = vects
+    sum_square = tf.reduce_sum(tf.square(x - y), axis=1, keepdims=True)
+    return tf.sqrt(tf.maximum(sum_square, tf.keras.backend.epsilon()))
 
-# Función de predicción
-def predict(img1, img2):
-    # Preprocesar las imágenes: convertir a escala de grises, redimensionar, normalizar
-    img1 = img1.convert('L').resize((28, 28))
-    img2 = img2.convert('L').resize((28, 28))
-
-    arr1 = np.array(img1).astype('float32') / 255.0
-    arr2 = np.array(img2).astype('float32') / 255.0
+model = load_model("mnist_siamese_model.keras", custom_objects={'euclidean_distance': euclidean_distance})
 
-    arr1 = np.expand_dims(arr1, axis=(0, -1))  # (1, 28, 28, 1)
-    arr2 = np.expand_dims(arr2, axis=(0, -1))
+# 📌 Preprocesar imágenes
+def preprocess(img):
+    img = img.convert("L").resize((28, 28))
+    img = np.array(img).astype("float32") / 255.0
+    img = np.expand_dims(img, axis=-1)  # (28, 28, 1)
+    return img
 
-    # Realizar la predicción
-    pred = siamese_model.predict([arr1, arr2])[0][0]
-    resultado = "Iguales ✅" if pred > 0.5 else "Diferentes ❌"
-    return f"{resultado} (Confianza: {pred:.2f})"
-
-# Crear la interfaz Gradio
-iface = gr.Interface(
+# 🔍 Función de predicción
+def predict(img1, img2):
+    img1 = preprocess(img1)
+    img2 = preprocess(img2)
+    img1 = np.expand_dims(img1, axis=0)
+    img2 = np.expand_dims(img2, axis=0)
+    
+    distance = model.predict([img1, img2])[0][0]
+    threshold = 0.5
+    same = distance < threshold
+    return f"¿Mismo dígito? {'Sí' if same else 'No'} (distancia: {distance:.4f})"
+
+# 🎛️ Interfaz Gradio
+interface = gr.Interface(
     fn=predict,
     inputs=[
-        gr.Image(label="Imagen 1", shape=(28, 28)),
-        gr.Image(label="Imagen 2", shape=(28, 28))
+        gr.Image(type="pil", label="Imagen 1"),
+        gr.Image(type="pil", label="Imagen 2")
     ],
-    outputs=gr.Text(label="Resultado"),
-    title="🔗 Verificación Siamese MNIST",
-    description="Sube dos imágenes de dígitos escritos a mano y verifica si son el mismo número.",
+    outputs="text",
+    title="Modelo Siamese con MNIST",
+    description="Sube dos imágenes de dígitos para verificar si representan el mismo número."
 )
 
-# Lanzar la app (Hugging Face lo hace automáticamente)
-iface.launch()
+interface.launch()