Update app.py

app.py

@@ -24,6 +24,12 @@ except Exception as e:
     print(f"Error al cargar el modelo: {e}")
     raise
 
+# Imprimir nombres de las capas del modelo para identificar la última capa convolucional
+print("Nombres de las capas en el modelo:")
+for layer in model.layers:
+    print(layer.name)
+
+# Definir las etiquetas
 labels = [
     'Acné / Rosácea', 'Queratosis Actínica / Carcinoma Basocelular', 
     'Dermatitis Atópica', 'Enfermedad Bullosa', 
@@ -66,7 +72,8 @@ def grad_cam(model, img_array, last_conv_layer_name, pred_index=None):
     heatmap = tf.maximum(heatmap, 0) / tf.math.reduce_max(heatmap)
     return heatmap.numpy()
 
-def generate_heatmap(image, prediction, last_conv_layer_name="conv5_block3_out"):
+# Generar el mapa de calor de activación usando Grad-CAM
+def generate_heatmap(image, prediction, last_conv_layer_name="conv5_block3_out"):  # Ajusta el nombre después de revisar las capas
     # Redimensionar la imagen a (224, 224)
     img_array = tf.image.resize(image, (224, 224))
     img_array = tf.expand_dims(img_array, axis=0)  # Añadir una dimensión para el batch
@@ -100,17 +107,16 @@ def classify_image(image):
     
     return confidences, heatmap_image
 
+# Configuración de la interfaz de Gradio
 title = "AI-DERM DETECTION"
-
 article = (
-    "Se propone un sistema automatizado para el diagnóstico de las 23 enfermedades comunes de la piel:\n\n"
-    # (Artículos de la lista omitidos por brevedad)
+    "Se propone un sistema automatizado para el diagnóstico de las 23 enfermedades comunes de la piel..."
 )
-
 description = (
     "Utilizamos la interfaz de usuario generada por Gradio para ingresar imágenes a nuestra red neuronal..."
 )
 
+# Ejemplos de imágenes
 examples = [
     ['./123.jpg'],
     ['./acne-closed-comedo-2.jpg'],
@@ -124,6 +130,7 @@ examples = [
     ['./atopic-7.jpg'] 
 ]
 
+# Lanzar la interfaz de Gradio
 gr.Interface(
     fn=classify_image,
     title=title,