Update app.py

app.py

@@ -1,36 +1,31 @@
-pip install fastbook
-pip install timm
-pip install huggingface_hub["fastai"]
-
 from pathlib import Path
+
 from fastai.vision.all import *
 from fastai.vision.widgets import *
-from fastbook import *
-from fastcore.parallel import *
 from fastdownload import download_url
 
 import gradio as gr
-from huggingface_hub import from_pretrained_fastai, notebook_login, push_to_hub_fastai
+from huggingface_hub import from_pretrained_fastai
 import timm
 
 # Cargar modelo de clasificación de imágenes desde Hugging Face
-modelo = from_pretrained_fastai("AlejandroOSM1/Clasificador_de_camiones_Definitivo_Resnet18")
+learn = from_pretrained_fastai("AlejandroOSM1/Clasificador_de_camiones_Definitivo_Resnet18")
 
-learn = modelo
+# Obtener etiquetas del modelo
 labels = learn.dls.vocab
 
 def predict(img):
-    img = PILImage.create(img)
-    pred,pred_idx,probs = learn.predict(img)
+    img = PILImage.create(img)  # Convertir imagen a formato FastAI
+    pred, pred_idx, probs = learn.predict(img)
     return {labels[i]: float(probs[i]) for i in range(len(labels))}
 
 # Crear la interfaz con Gradio
 interface = gr.Interface(
-    fn=classify_image,
-    inputs=gr.Image(type="pil"),  # Tipo de entrada: imagen
-    outputs=gr.Label(),           # Tipo de salida: etiquetas con confianza
-    title="Clasificador de Imágenes",
-    description="Sube una imagen y el modelo la clasificará."
+    fn=predict,  # Se usaba "classify_image", pero la función definida es "predict"
+    inputs=gr.Image(type="pil"),
+    outputs=gr.Label(num_top_classes=3),  # Mostrar el top 3 de clases
+    title="Clasificador de Camiones",
+    description="Sube una imagen y el modelo la clasificará en diferentes tipos de camiones."
 )
 
 # Lanzar la aplicación