app.py

import streamlit as st
import numpy as np
from tensorflow.keras.models import load_model
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.preprocessing import image
import matplotlib.pyplot as plt

# Modeli yükle
model = load_model('cifar_cnn_model.h5')  # Modelinizi kaydettiğiniz dosya adı

# CIFAR-10 sınıf isimleri
class_names = [
    'Airplane', 'Automobile', 'Bird', 'Cat', 'Deer', 
    'Dog', 'Frog', 'Horse', 'Ship', 'Truck'
]

# Streamlit uygulaması başlığı
st.title("CIFAR-10 Görüntü Sınıflandırma")

# Kullanıcıdan görüntü yüklemesini iste
uploaded_file = st.file_uploader("Bir görüntü yükleyin (32x32 boyutunda)", type=["png", "jpg", "jpeg"])

if uploaded_file is not None:
    # Görüntüyü yükle ve ön işleme tabi tut
    img = image.load_img(uploaded_file, target_size=(32, 32))
    img_array = image.img_to_array(img) / 255.0  # Normalizasyon
    img_array = np.expand_dims(img_array, axis=0)  # Batch boyutu ekle

    # Model ile tahmin yap
    predictions = model.predict(img_array)
    predicted_class = np.argmax(predictions, axis=1)

    # Sonucu göster
    st.image(img, caption='Yüklenen Görüntü', use_column_width=True)
    st.write(f'Tahmin Edilen Sınıf: {class_names[predicted_class[0]]}')
    st.write(f'Tahmin Skoru: {np.max(predictions) * 100:.2f}%')

# Uygulamayı başlatmak için terminalde şu komutu çalıştırın
# streamlit run app.py