Spaces:
Running
Running
File size: 1,215 Bytes
0499d90 c6c3058 0499d90 fc68f43 0499d90 6a1720d f60bdf8 0499d90 3aa447c c0a319c dc71c4e c6c3058 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 |
import gradio as gr
from transformers import pipeline
from fastapi import FastAPI
# Memuat model untuk klasifikasi makanan
food_classifier = pipeline(task="image-classification", model="mhdiqbalpradipta/minang_food_classification")
def prediksi_makanan(gambar):
# Melakukan prediksi menggunakan model
hasil = food_classifier(images=gambar)[0]
# Menyimpan label dan skor
label_makanan = hasil['label']
skor = hasil['score']
return f"Makanan: {label_makanan}, Skor: {skor:.2f}"
# Antarmuka Gradio
image_in = gr.Image(type='pil')
label_out = "text"
contoh_gambar = ['ayam_goreng.jpg', 'ayam_pop.jpg', 'daging_rendang.jpg', 'dendeng_batokok.jpg', 'gulai_ikan.jpg', 'gulai_tambusu.jpg', 'gulai_tunjang.jpg', 'telur_balado.jpg', 'telur_dadar.jpg']
intf = gr.Interface(fn=prediksi_makanan, inputs=image_in, outputs=label_out, examples=contoh_gambar, title="Pengklasifikasi Makanan Minang", description="Unggah gambar makanan untuk mengklasifikasikannya menjadi hidangan Minang.")
# if __name__ == "__main__":
app = FastAPI()
@app.get('/')
async def root():
return 'Gradio app is running at /gradio', 200
app = gr.mount_gradio_app(app, intf, path='/gradio')
# intf.launch(share=False)
|