XTEP63/Variational_Autoencoder

1import gradio as gr2import tensorflow as tf3import numpy as np4from PIL import Image5from huggingface_hub import hf_hub_download6 7# Cargar el modelo DAE desde Hugging Face8modelo_path = hf_hub_download(repo_id="XTEP63/VAE", filename="VAE.keras")9vae_model = tf.keras.models.load_model(modelo_path)10 11# Función para generar una imagen con el VAE12def generate_image():13    latent_dim = 128  14    z_sample = np.random.normal(size=(1, latent_dim))  # Muestra aleatoria del espacio latente15    output = vae_model.predict(z_sample)  # Generar imagen16    output = np.squeeze(output, axis=0)  17    output = (output * 255).astype(np.uint8)  18    return Image.fromarray(output)19 20# Interfaz con Gradio21iface_vae = gr.Interface(22    fn=generate_image,23    inputs=None,24    outputs=gr.Image(type="pil"),25    title="Variational Autoencoder",26    description="Genera una imagen nueva basada en el espacio latente del VAE."27)28 29iface_vae.launch()