Update app.py

app.py

@@ -32,6 +32,7 @@ def classify_image(input_image):
     predicted_class_id = torch.argmax(outputs.logits, dim=1).item()
     # Converter o ID da classe em rótulo usando o mapeamento id2label
     predicted_class_label = id2label.get(str(predicted_class_id), "Desconhecido")
+    
     # Abrir a imagem usando PIL
     image = Image.fromarray(input_image.astype('uint8'))
     
@@ -51,18 +52,14 @@ def classify_image(input_image):
     # Converter a imagem resultante de volta para numpy
     result_image = np.array(image)
     return result_image
-# ...
-
-# ...
-
 
 # Criar uma interface Gradio
 interface = gr.Interface(
     fn=classify_image,
     inputs=gr.inputs.Image(type="numpy", label="Carregar uma imagem"),
-    outputs=gr.outputs.Image(type="numpy", label="Previsão"),  # Definir o tipo de saída como "numpy"
+    outputs=gr.outputs.Image(type="numpy", label="Resultado"),
     title="Classificador de Imagem ViT",
-    description="Esta aplicação Gradio permite classificar imagens usando um modelo Vision Transformer (ViT)."
+    description="Esta aplicação Gradio permite classificar imagens usando um modelo Vision Transformer (ViT). A previsão é escrita no centro da imagem de saída."
 )
 
 # Iniciar a aplicação Gradio