Upload 3 files

cifar.py

@@ -0,0 +1,39 @@
+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

cifar_cnn_model.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f07152451fd1d756a02e548ca169d4fb12a716b8e7467b1aee2c5468ffc9c93a
+size 3208424

requirements.txt

@@ -0,0 +1,2 @@
+tensorflow
+streamlit