Create app.py

app.py

@@ -0,0 +1,85 @@
+import gradio as gr
+import numpy as np
+import tensorflow
+from PIL import Image
+
+vae = tensorflow.keras.models.load_model("dae.h5")
+dae = tensorflow.keras.models.load_model("dae.h5")
+
+def preprocess_image(image):
+    """Redimensiona y normaliza la imagen."""
+    # Convert to PIL Image if it's not already
+    if not isinstance(image, Image.Image):
+        image = Image.fromarray(image)
+    
+    # Resize image to 128x128
+    image = image.resize((128, 128))
+    
+    # Convert to numpy array, normalize and add batch dimension
+    image_array = np.array(image).astype("float32") / 255.0
+    image_array = np.expand_dims(image_array, axis=0)
+    
+    return image_array
+
+def reconstruct_image(image):
+    """Reconstruye la imagen con el modelo seleccionado."""
+    image = preprocess_image(image)
+
+    reconstructed = dae.predict(image)[0]
+
+
+    return (reconstructed * 255).astype("uint8")  # Convertir a imagen
+
+def generate_image(z_dim_values):
+    """Genera una imagen a partir de vectores latentes específicos."""
+
+    z = np.array([z_dim_values]).astype('float32')
+    decoder = vae.layers[-1]
+    
+    # Generar la imagen
+    generated = decoder.predict(z)[0]
+    
+    return (generated * 255).astype("uint8")
+
+# Interfaz con Gradio usando tabs
+with gr.Blocks(title="Demo de VAE y DAE") as demo:
+    gr.Markdown("# Proyecto de VAE y DAE")
+    
+    with gr.Tab("Reconstrucción de Imágenes"):
+        gr.Markdown("## Reconstruye una imagen usando DAE")
+        with gr.Row():
+            with gr.Column():
+                input_image = gr.Image(label="Imagen Original")
+                reconstruct_btn = gr.Button("Reconstruir")
+            with gr.Column():
+                output_image = gr.Image(label="Imagen Reconstruida")
+        
+        reconstruct_btn.click(
+            fn=reconstruct_image,
+            inputs=[input_image],
+            outputs=output_image
+        )
+    
+    with gr.Tab("Generación de Imágenes (VAE)"):
+        gr.Markdown("## Genera nuevas imágenes manipulando el espacio latente")
+        with gr.Row():
+            with gr.Column():
+                # Crear 2 controles deslizantes para las dimensiones latentes
+                # Ajusta el número según la dimensión de tu espacio latente
+                sliders = []
+                for i in range(2):  # Asumiendo un espacio latente de dimensión 2
+                    slider = gr.Slider(-5.0, 5.0, value=0.0, step=0.1, 
+                                      label=f"Dimensión Latente {i+1}")
+                    sliders.append(slider)
+                generate_btn = gr.Button("Generar")
+            with gr.Column():
+                generated_image = gr.Image(label="Imagen Generada")
+        
+        generate_btn.click(
+            fn=generate_image,
+            inputs=sliders,
+            outputs=generated_image
+        )
+
+if __name__ == "__main__":
+    demo.launch(share=True)