{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "bc93610d",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Importieren der Pakekte\n",
    "import cv2\n",
    "import tensorflow as tf\n",
    "\n",
    "# Kategorien defienieren. In diesem Falle nur 2 da wir mit einem Binary_Crossentropy arbeiten (Nur 2 Klassifizierungen)\n",
    "category = ['Dog', 'Cat'] \n",
    "\n",
    "# Dateipfad und funktion definieren\n",
    "def prepare(filepath):\n",
    "    \n",
    "    # Größe des Bildes bestimmen (Desto kleiner desto weniger Lernmaterial) \n",
    "    IMG_SIZE = 50\n",
    "    \n",
    "    # Bild in einen Array machen und in Schwarz-Weiß umformen\n",
    "    img_array = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)\n",
    "    \n",
    "    # Bild größe anpassen\n",
    "    new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))\n",
    "    \n",
    "    # Bild als Schwarz-Weiß und mit neuer Größe zurückgeben\n",
    "    return new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 1)\n",
    "\n",
    "#Model das wir bereits erstellt haben, hier reinladen und verwenden (WICHTIG: Name MUSS übereinstimmen)\n",
    "model = tf.keras.models.load_model(\"64x3-CNN.model\")\n",
    "\n",
    "\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "2f07fa08",
   "metadata": {},
   "outputs": [],
   "source": [
    "prediction = model.predict([prepare('cat.jpg')])\n",
    "print(prediction)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.15"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}