import numpy as np
import tensorflow as tf
from flask import Flask, jsonify, render_template, request

from mnist import model

x = tf.placeholder("float", [None, 784])
sess = tf.Session()

with tf.variable_scope("regression"):
    y1, variables = model.regression(x)
saver = tf.train.Saver(variables)
#saver.restore(sess, "mnist/data/regression.ckpt")
module_file =  tf.train.latest_checkpoint('mnist/data/regression.ckpt')
with tf.Session().as_default() as sess:
   sess.run(tf.global_variables_initializer())
   if module_file is not None:
      saver.restore(sess, module_file)

with tf.variable_scope("convolutional"):
    keep_prob = tf.placeholder("float")
    y2, variables = model.convolutional(x, keep_prob)
saver = tf.train.Saver(variables)
#saver.restore(sess, "mnist/data/convalutional.ckpt")
module_file =  tf.train.latest_checkpoint('mnist/data/convolutional.ckpt')
with tf.Session().as_default() as sess:
   sess.run(tf.global_variables_initializer())
   if module_file is not None:
      saver.restore(sess, module_file)

def regression(input):
    return sess.run(y1, feed_dict={x: input}).flatten().tolist()
def convolutional(input):
    return sess.run(y2, feed_dict={x: input, keep_prob:1.0}).flatten().tolist()

app = Flask(__name__)

@app.route('/api/mnist', methods=['post'])
def mnist():
    input = ((255 - np.array(request.json, dtype=np.uint8)) / 255.0).reshape(1, 784)
    output1 = regression(input)
    output2 = convolutional(input)
    return jsonify(results = [output1, output2])


@app.route('/')
def main():
    return render_template('index.html')
if __name__ == '__main__':
    app.debug = True
    app.run(host='0.0.0.0', port=0000)