app.py

from fastbook import *
import gradio as gr

learn = load_learner('multiclassmodel.pkl')

labels = learn.dls.vocab
labels

def predict(img):
    img = PILImage.create(img)
    pred, pred_idx,probs = learn.predict(img)
    return{labels[i]: float(probs[i]) for i in range(len(labels))}

title = "Demo Klassifikator für Vögel, Kuchen, Katzen, Hunde, Elefanten und Mäuse"
description = "Mit fast.ai auf Basis von zufällig heruntergeladenen Bildern aus dem Internet erstellter Klassifikator für die im Titel genannten Klassen"
article = "<p style='text-align: center'><a href='https://tmabraham.github.io/blog/gradio_hf_spaces_tutorial' target='_blank'>Blog post</a></p>"
examples = ['Berner_Sennenhund.jpg', 'bird.jpg','horse.jpg', 'Kartaeuser.jpg', 'mouse.jpg', 'Muffin.jpg']
interpretation = 'default'

gr.Interface(fn=predict, inputs=gr.inputs.Image(shape=(512, 512)), outputs=gr.outputs.Label(num_top_classes=3),
             title=title, description=description, article=article,examples=examples,interpretation=interpretation, enable_queue=True
            ).launch(share=True)