Delete app.py

app.py

@@ -1,91 +0,0 @@
-import streamlit as st
-import torch
-from torchvision import transforms
-from PIL import Image
-import os
-
-# Настройки страницы
-st.set_page_config(
-    page_title="Классификация кожных заболеваний",
-    page_icon="🩺",
-    layout="centered",
-    initial_sidebar_state="collapsed"
-)
-
-# Заголовок
-st.title("🩺 Классификация кожных заболеваний")
-
-# Предупреждение
-st.warning(
-    "⚠️ **Важно!** Данное приложение использует искусственный интеллект для анализа изображений, "
-    "но оно **не является медицинским инструментом**. Результаты предсказания могут быть неточными. "
-    "Для точной диагностики обратитесь к врачу-специалисту."
-)
-
-st.markdown("Загрузите изображение кожи, чтобы получить предсказание.")
-
-# Ввод путей к модели и labels.txt
-model_path = st.text_input("Введите путь к модели", "/home/eraly/Skin-ai/skin_disease_model_jit.pt")
-labels_path = st.text_input("Введите путь к файлу labels.txt", "/home/eraly/Skin-ai/labels.txt")
-
-# Проверка наличия модели
-if not os.path.exists(model_path):
-    st.error(f"Модель не найдена: {model_path}")
-    st.stop()
-
-# Загрузка модели
-model = torch.jit.load(model_path, map_location=torch.device('cpu'))
-model.eval()
-
-# Проверка наличия labels.txt
-if not os.path.exists(labels_path):
-    st.error("Файл меток (labels.txt) не найден.")
-    st.stop()
-
-with open(labels_path, "r") as f:
-    labels = [line.strip() for line in f.readlines()]
-
-# Предобработка изображений
-preprocess = transforms.Compose([
-    transforms.Resize((224, 224)),
-    transforms.ToTensor(),
-    transforms.Normalize(mean=[0.485, 0.456, 0.406],
-                         std=[0.229, 0.224, 0.225]),
-])
-
-# Загрузка изображения
-uploaded_file = st.file_uploader("Выберите изображение", type=["jpg", "jpeg", "png"], key="file_uploader")
-
-if uploaded_file is not None:
-    image = Image.open(uploaded_file).convert("RGB")  # Принудительно переводим в RGB
-    st.image(image, caption="Загруженное изображение", use_container_width=True)
-
-    # Отображение прогресса загрузки
-    progress_bar = st.progress(0)
-    for i in range(100):
-        progress_bar.progress(i + 1)
-
-    # Предсказание
-    try:
-        with st.spinner("Модель обрабатывает изображение..."):
-            image_tensor = preprocess(image).unsqueeze(0)
-            with torch.no_grad():
-                output = model(image_tensor)
-
-            scores = torch.nn.functional.softmax(output[0], dim=0)
-            max_score_index = torch.argmax(scores).item()
-            predicted_class = labels[max_score_index]
-            confidence = scores[max_score_index].item()
-
-        # Вывод результата
-        st.markdown(f"""
-            ### 🏥 Результат анализа:
-            - **Результат:** `{predicted_class}`
-            - **Вероятность результата:** `{confidence:.2f}`
-        """)
-    except Exception as e:
-        st.error(f"Ошибка при классификации: {e}")
-
-else:
-    st.info("Пожалуйста, загрузите изображение.")
-