Update app.py

app.py

@@ -5,15 +5,12 @@ from PIL import Image
 import os
 from typing import Tuple, List, Dict
 
-# Единоразовое определение устройства
-device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-
 def load_model() -> Tuple[torch.nn.Module, List[str]]:
     """
-    Загружает модель и список меток классов.
+    Loads the model and class labels.
     Returns:
-        model: Загруженная модель PyTorch.
-        labels: Список меток классов.
+        model: The loaded PyTorch model.
+        labels: List of class labels.
     """
     model_path = "skinconvnext_scripted.pt"
     labels_path = "labels.txt"
@@ -23,18 +20,18 @@ def load_model() -> Tuple[torch.nn.Module, List[str]]:
     if not os.path.exists(labels_path):
         raise FileNotFoundError("File labels.txt not found.")
     
+    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
     model = torch.jit.load(model_path, map_location=device)
     model.eval()
-    model.to(device)  # Перемещаем модель на устройство сразу
     
     with open(labels_path, "r") as f:
-        labels = f.read().splitlines()
+        labels = [line.strip() for line in f.readlines()]
     
     return model, labels
 
 model, labels = load_model()
 
-# Определение преобразований изображения (создаётся один раз)
+# Define image preprocessing steps
 preprocess = transforms.Compose([
     transforms.Resize((224, 224)),
     transforms.ToTensor(),
@@ -44,48 +41,48 @@ preprocess = transforms.Compose([
 
 def predict(image: Image.Image) -> Dict[str, float]:
     """
-    Выполняет предсказание для переданного изображения.
+    Makes a prediction for the given image.
     Args:
-        image (PIL.Image): Входное изображение.
+        image (PIL.Image): The input image.
     
     Returns:
-        Dict[str, float]: Словарь, где ключи – имена классов, а значения – вероятности.
+        Dict[str, float]: A dictionary where keys are class names, and values are probabilities.
     """
     try:
-        # Приводим изображение к RGB и преобразуем
         image = image.convert("RGB")
-        image_tensor = preprocess(image).unsqueeze(0).to(device)
+        image_tensor = preprocess(image).unsqueeze(0)
+        device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+        image_tensor = image_tensor.to(device)
+        model.to(device)
         
         with torch.no_grad():
             output = model(image_tensor)
-            # Предполагаем, что output имеет размерность [1, N]
             scores = torch.nn.functional.softmax(output[0], dim=0)
         
-        # Формируем словарь с предсказаниями
         predictions = {label: float(score) for label, score in zip(labels, scores)}
         sorted_predictions = dict(sorted(predictions.items(), key=lambda item: item[1], reverse=True))
+        
         return sorted_predictions
     except Exception as e:
         return {"error": str(e)}
 
-# Описание интерфейса Gradio
 title = "🔥 Skin-AI"
 description = (
     "🔬 **Skin-AI — AI-Powered Skin Disease Classification**\n\n"
-    "Проект использует глубокую модель для классификации заболеваний кожи по изображению.\n\n"
-    "### 🚀 Как использовать:\n\n"
-    "1️⃣ Загрузите или сфотографируйте поражённый участок кожи.\n\n"
-    "2️⃣ Нажмите кнопку 'Submit'.\n\n"
-    "3️⃣ Приложение покажет вероятности для возможных заболеваний.\n\n"
-    "⚠️ **Внимание!** Результаты предоставлены в ознакомительных целях и не являются медицинской диагностикой.\n\n"
-    "### 🛠 Используемые технологии:\n"
-    "- PyTorch\n"
+    "This project utilizes a deep learning model to classify skin diseases based on an uploaded image.\n\n"
+    "### 🚀 How to Use:\n\n"
+    "1️⃣ Upload or take a photo of the affected skin area.\n\n"
+    "2️⃣ Click the 'Submit' button.\n\n"
+    "3️⃣ The app will return the probabilities for possible skin conditions.\n\n"
+    "⚠️ **Important!** The results are for informational purposes only and do not constitute a medical diagnosis.\n\n"
+    "### 🛠 Technologies Used:\n"
+    "- PyTorch (Lightning)\n"
     "- Gradio\n"
     "- Hugging Face Spaces\n\n"
-    "🔗 Исходный код: [Hugging Face](https://huggingface.co/Eraly-ml/Skin-AI)"
+    "🔗 Source Code: [Hugging Face](https://huggingface.co/Eraly-ml/Skin-AI)"
 )
 
-# Примеры изображений
+# Adding example images
 examples = [
     ["example1.jpg"],
     ["example2.jpg"]