Update app.py

app.py

@@ -33,7 +33,15 @@ from tensorflow.keras.applications.densenet import preprocess_input as preproces
 # ---- Fonctions utilitaires robustes pour les modèles Keras ----
 def get_primary_input_name(model):
     """Retourne le nom de la couche d'input principale du modèle."""
-    return model.input_names[0]
+    # ===== CORRECTION FINALE ICI =====
+    # L'attribut correct est `model.inputs`, qui est une liste de tenseurs.
+    # On prend le premier tenseur de la liste et on récupère son nom.
+    if isinstance(model.inputs, list) and len(model.inputs) > 0:
+        # Le nom est souvent de la forme "input_layer:0", on ne garde que "input_layer"
+        return model.inputs[0].name.split(':')[0]
+    # Fallback au cas où, mais ne devrait pas être nécessaire
+    return "input_1" 
+    # ===== FIN DE LA CORRECTION =====
 
 def safe_forward(model, x):
     """Appelle un modèle en utilisant le nom d'input correct pour éviter les UserWarnings."""
@@ -68,14 +76,12 @@ def make_gradcam(image_pil, model, last_conv_layer_name="conv5_block32_concat",
     
     grad_model = Model(model.inputs, [model.get_layer(last_conv_layer_name).output, model.output])
     
-    # Correction 1: Utiliser le nom d'input correct, même pour le grad_model
     input_name = get_primary_input_name(model)
     input_for_model = {input_name: img_array_preprocessed}
 
     with tf.GradientTape() as tape:
         last_conv_layer_output, preds = grad_model(input_for_model, training=False)
         
-        # Correction 2: Gérer le cas où la sortie 'preds' est une liste
         if isinstance(preds, list):
             preds = preds[0]