# --- PASO 2: SUBIR IMAGEN Y REALIZAR PREDICCIÓN ---
    print("\nPor favor, sube una imagen de un perro o un gato:")
    uploaded = files.upload()

    # Procesar la imagen subida
    for filename in uploaded.keys():
        print(f"\nProcesando imagen: '{filename}'...")
        
        # Cargar y preprocesar la imagen
        img = tf.keras.utils.load_img(filename, target_size=(224, 224))
        img_array = tf.keras.utils.img_to_array(img)
        img_array_expanded = np.expand_dims(img_array, axis=0)
        
        # Es importante aplicar el mismo preprocesamiento que durante el entrenamiento
        preprocessed_img = tf.keras.applications.efficientnet.preprocess_input(img_array_expanded)

        # Realizar la predicción
        prediction = model.predict(preprocessed_img)
        score = prediction[0][0]
        
        # Decodificar y mostrar el resultado final
        if score < 0.5:
            clase_predicha = "GATO"
            confianza = 100 * (1 - score)
        else:
            clase_predicha = "PERRO"
            confianza = 100 * score
        
        print("\n" + "="*30)
        print(f"   RESULTADO: ¡ES UN {clase_predicha}!")
        print(f"   Confianza: {confianza:.2f}%")
        print("="*30)

except Exception as e:
    print(f"❌ Ocurrió un error inesperado: {e}")‵‵‵