Update app.py

app.py

@@ -1,113 +1,113 @@
-import gradio as gr
-import numpy as np
-from tensorflow.keras.models import load_model
-from tensorflow.keras.preprocessing.image import img_to_array
-from PIL import Image
-import io
-
-
-
-model = load_model('Dog_Cat_64-64_512Dense.h5') 
-
-def predict_image(img):
-    if img is None:
-        return None
-    
-    
-    img = Image.fromarray(img.astype('uint8'), 'RGB') 
-    img = img.resize((64, 64)) # Modelin giriş boyutu
-    img_array = img_to_array(img) 
-    img_array = np.expand_dims(img_array, axis=0) 
-    
-    
-    prediction = model.predict(img_array)[0][0] # Tahmin
- 
-    tahmin = "Köpek" if prediction > 0.5 else "Kedi" 
-    dogruluk = prediction if prediction > 0.5 else 1 - prediction
-    
-    
-    sonuc = f"""
-    <div style="text-align: center; padding: 20px; background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); color: white; border-radius: 15px; box-shadow: 0 4px 6px rgba(0,0,0,0.1);">
-        <h2 style="font-size: 28px; margin-bottom: 15px;">Tahmin Sonucu</h2>
-        <p style="font-size: 24px; margin-bottom: 10px;">Bu resim büyük olasılıkla bir <b>{tahmin}</b>!</p>
-        <p style="font-size: 18px;">Tahmin Güveni: {dogruluk*100:.2f}%</p>
-        <div style="background-color: rgba(255,255,255,0.3); width: 80%; height: 20px; margin: 15px auto; border-radius: 10px;">
-            <div style="background-color: #4CAF50; width: {dogruluk*100}%; height: 100%; border-radius: 10px; transition: width 0.5s ease-in-out;"></div>
-        </div>
-    </div>
-    """
-    
-    return sonuc
-
-
-
-descr = """
-Bu uygulama, yapay zeka teknolojisini kullanarak kedi ve köpek resimlerini sınıflandırır. 
-Yükleyeceğiniz resmin kedi mi yoksa köpek mi olduğunu tahmin eder.
-
-<link href="https://fonts.googleapis.com/css2?family=Poppins:wght@400;700&display=swap" rel="stylesheet">
-
-<div style="display: flex; justify-content: space-between; font-family: 'Arial', sans-serif;">
-    <div style="flex: 1; padding-right: 10px;">
-        <h2>Nasıl Kullanılır?</h2>
-        <ol>
-            <li>Sağ taraftaki alana bir resim yükleyin veya sürükleyip bırakın.</li>
-            <li>Resim yüklendikten sonra, model otomatik olarak tahminde bulunacaktır.</li>
-            <li>Sonuç ve doğruluk oranı gözükecektir.</li>
-        </ol>
-    </div>
-    <div style="flex: 1; padding-left: 10px;">
-        <h2>Not</h2>
-        <ul>
-            <li>Desteklenen resim formatları: JPG, JPEG, PNG, WEPB</li>
-            <li>Model her zaman %100 doğru olmayabilir. Eğlenmek ve öğrenmek için kullanın.</li>
-            <li>Resimlerin net ve anlaşılır olması doğruluk oranını artıracaktır.</li>
-        </ul>
-    </div>
-</div>
-
-<p style="font-size: 20px; font-family: 'Poppins', sans-comic; font-style: bold;">
-    Daha fazla açıklama yok bir kedi veya köpek resmi yükleyin ve sonucu görün!
-</p>
-"""
-footer = """
-<div style="text-align: center; font-size: 14px; color: #666;">
-    <p>
-        <a href="https://github.com/yusuffenes" style="margin-right: 15px; text-decoration: none;font-style: bold; color: #666;">GitHub</a>
-        <a href="https://www.linkedin.com/in/yusufenesbudak" style="margin-right: 15px; text-decoration: none;font-style: bold; color: #666;">LinkedIn</a>
-        <span>yusufenes</span>
-    </p>
-    <p style="margin-top: 10px;">
-        <span>🐾 Kedi-Köpek Tahmin Uygulaması 🐾</span>
-        <span style="margin-left: 15px;">© 2024 ©</span>
-    </p>
-</div>
-
-"""
-
-myGradioAppInterface = gr.Interface(
-    fn=predict_image,
-    inputs=gr.Image(type="numpy", label="Resim Yükle"),
-    outputs=gr.HTML(label="Tahmin Sonucu"),
-    title="🐾 Kedi/Köpek Tahmin Uygulaması 🐾",
-    
-    description=descr,
-    article=footer,
-    examples=[
-        ["resimler/ornek_kedi.jpg"],
-        ["resimler/ornek_kopek.jpg"],
-        ["resimler/ornek_kedi2.jpg"],
-        ["resimler/ornek_kopek2.jpg"]
-        
-    ],
-    theme=gr.themes.Soft().set(
-        body_background_fill="#f0f2f6",
-        button_primary_background_fill="#4a90e2",
-        button_shadow="#205493",
-    ),
-    allow_flagging=False,
-    
-)
-
-
+import gradio as gr
+import numpy as np
+from tensorflow.keras.models import load_model
+from tensorflow.keras.preprocessing.image import img_to_array
+from PIL import Image
+import io
+
+
+
+model = load_model('Dog_Cat_64-64_512Dense.h5') 
+
+def predict_image(img):
+    if img is None:
+        return None
+    
+    
+    img = Image.fromarray(img.astype('uint8'), 'RGB') 
+    img = img.resize((64, 64)) # Modelin giriş boyutu
+    img_array = img_to_array(img) 
+    img_array = np.expand_dims(img_array, axis=0) 
+    
+    
+    prediction = model.predict(img_array)[0][0] # Tahmin
+ 
+    tahmin = "Köpek" if prediction > 0.5 else "Kedi" 
+    dogruluk = prediction if prediction > 0.5 else 1 - prediction
+    
+    
+    sonuc = f"""
+    <div style="text-align: center; padding: 20px; background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); color: white; border-radius: 15px; box-shadow: 0 4px 6px rgba(0,0,0,0.1);">
+        <h2 style="font-size: 28px; margin-bottom: 15px;">Tahmin Sonucu</h2>
+        <p style="font-size: 24px; margin-bottom: 10px;">Bu resim büyük olasılıkla bir <b>{tahmin}</b>!</p>
+        <p style="font-size: 18px;">Tahmin Güveni: {dogruluk*100:.2f}%</p>
+        <div style="background-color: rgba(255,255,255,0.3); width: 80%; height: 20px; margin: 15px auto; border-radius: 10px;">
+            <div style="background-color: #4CAF50; width: {dogruluk*100}%; height: 100%; border-radius: 10px; transition: width 0.5s ease-in-out;"></div>
+        </div>
+    </div>
+    """
+    
+    return sonuc
+
+
+
+descr = """
+Bu uygulama, yapay zeka teknolojisini kullanarak kedi ve köpek resimlerini sınıflandırır. 
+Yükleyeceğiniz resmin kedi mi yoksa köpek mi olduğunu tahmin eder.
+
+<link href="https://fonts.googleapis.com/css2?family=Poppins:wght@400;700&display=swap" rel="stylesheet">
+
+<div style="display: flex; justify-content: space-between; font-family: 'Arial', sans-serif;">
+    <div style="flex: 1; padding-right: 10px;">
+        <h2>Nasıl Kullanılır?</h2>
+        <ol>
+            <li>Sağ taraftaki alana bir resim yükleyin veya sürükleyip bırakın.</li>
+            <li>Resim yüklendikten sonra, model otomatik olarak tahminde bulunacaktır.</li>
+            <li>Sonuç ve doğruluk oranı gözükecektir.</li>
+        </ol>
+    </div>
+    <div style="flex: 1; padding-left: 10px;">
+        <h2>Not</h2>
+        <ul>
+            <li>Desteklenen resim formatları: JPG, JPEG, PNG, WEPB</li>
+            <li>Model her zaman %100 doğru olmayabilir. Eğlenmek ve öğrenmek için kullanın.</li>
+            <li>Resimlerin net ve anlaşılır olması doğruluk oranını artıracaktır.</li>
+        </ul>
+    </div>
+</div>
+
+<p style="font-size: 20px; font-family: 'Poppins', sans-comic; font-style: bold;">
+    Daha fazla açıklama yok bir kedi veya köpek resmi yükleyin ve sonucu görün!
+</p>
+"""
+footer = """
+<div style="text-align: center; font-size: 14px; color: #666;">
+    <p>
+        <a href="https://github.com/yusuffenes" style="margin-right: 15px; text-decoration: none;font-style: bold; color: #666;">GitHub</a>
+        <a href="https://www.linkedin.com/in/yusufenesbudak" style="margin-right: 15px; text-decoration: none;font-style: bold; color: #666;">LinkedIn</a>
+        <span>yusufenes</span>
+    </p>
+    <p style="margin-top: 10px;">
+        <span>🐾 Kedi-Köpek Tahmin Uygulaması 🐾</span>
+        <span style="margin-left: 15px;">© 2024 ©</span>
+    </p>
+</div>
+
+"""
+
+myGradioAppInterface = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(type="numpy", label="Resim Yükle"),
+    outputs=gr.HTML(label="Tahmin Sonucu"),
+    title="🐾 Kedi/Köpek Tahmin Uygulaması 🐾",
+    
+    description=descr,
+    article=footer,
+    examples=[
+        ["ornek_kedi.jpg"],
+        ["ornek_kopek.jpg"],
+        ["ornek_kedi2.jpg"],
+        ["ornek_kopek2.jpg"]
+        
+    ],
+    theme=gr.themes.Soft().set(
+        body_background_fill="#f0f2f6",
+        button_primary_background_fill="#4a90e2",
+        button_shadow="#205493",
+    ),
+    allow_flagging=False,
+    
+)
+
+
 myGradioAppInterface.launch()