Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
@@ -1,12 +1,40 @@
|
|
1 |
-
from fastapi import FastAPI
|
|
|
|
|
|
|
|
|
|
|
2 |
|
3 |
-
app = FastAPI(
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
6 |
@app.get("/")
|
7 |
def home():
|
8 |
return {"message": "Aksara Lontara API is running"}
|
9 |
|
10 |
-
@app.
|
11 |
-
def predict():
|
12 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
from fastapi import FastAPI, UploadFile, File
|
2 |
+
import tensorflow as tf
|
3 |
+
import numpy as np
|
4 |
+
from PIL import Image
|
5 |
+
import io
|
6 |
+
import uvicorn
|
7 |
|
8 |
+
app = FastAPI()
|
9 |
|
10 |
+
# Load model Keras
|
11 |
+
model = tf.keras.models.load_model("lontara_model_finetuning.keras")
|
12 |
+
|
13 |
+
# Label kelas sesuai model
|
14 |
+
labels = [
|
15 |
+
"Tu", "He", "We", "No", "Mu", "Bu", "Ji", "Jo", "I", "Nro", "Cu", "Na", "Bo", "Yi", "Se", "Nyi",
|
16 |
+
"So", "Wa", "Ko", "Ge", "E", "Yo", "Ngu", "Ra", "Wo", "Ta", "Pe", "Nra", "Da", "Ci", "Lo", "Nci",
|
17 |
+
"U", "Ro", "Mo", "Nre", "Du", "Be", "Mpu", "Hu", "Ne", "Nyo", "Ncu", "Su", "Ju", "Gu", "Nu", "Di",
|
18 |
+
"Nri", "Gi", "Co", "Nca", "Ri", "Si", "Ja", "Bi", "Ke", "Wu", "Nki", "Te", "Go", "Ya", "Nku", "Pu",
|
19 |
+
"Nka", "Ba", "Mpe", "A", "Nya", "Me", "Nge", "Mpa", "Ma", "Mpi", "O", "Mi", "Re", "Po", "Ti", "Je",
|
20 |
+
"Nco", "Pa", "Ho", "Nko", "Ce", "Li", "Nke", "Ru", "Ca", "Ke_", "Do", "Ga", "Mpo", "Nye", "Nru", "Nga",
|
21 |
+
"Lu", "Pi", "Ku", "Ni", "Nce", "Le", "Ngo", "De", "Ki", "Wi", "Hi", "Ye", "Ngi", "Ka", "Nyu", "La",
|
22 |
+
"Ha", "Sa"
|
23 |
+
]
|
24 |
|
25 |
@app.get("/")
|
26 |
def home():
|
27 |
return {"message": "Aksara Lontara API is running"}
|
28 |
|
29 |
+
@app.post("/predict")
|
30 |
+
async def predict(file: UploadFile = File(...)):
|
31 |
+
# Baca gambar
|
32 |
+
image = Image.open(io.BytesIO(await file.read())).convert("L").resize((128, 128))
|
33 |
+
image = np.array(image) / 255.0
|
34 |
+
image = image.reshape(1, 128, 128, 1)
|
35 |
+
|
36 |
+
# Prediksi
|
37 |
+
prediction = model.predict(image)
|
38 |
+
label = labels[np.argmax(prediction)]
|
39 |
+
|
40 |
+
return {"prediction": label}
|